Przełom AI może wywołać rewolucję medyczną

Reklama

ndz., 07/25/2021 - 21:54 -- MagdalenaL

Sztuczna inteligencja służy do przewidywania struktur prawie każdego białka wytwarzanego przez organizm ludzki.

Ten postęp może pomóc w usprawnieniu odkrywania nowych leków do leczenia chorób, a także innych zastosowań.

Białka są podstawowymi elementami budulcowymi żywych organizmów; każda komórka, którą w sobie mamy, jest nimi wypełniona.

Zrozumienie kształtów białek ma kluczowe znaczenie dla postępu medycyny, ale do tej pory udało się opracować tylko część z nich.

Naukowcy wykorzystali program o nazwie AlphaFold, aby przewidzieć struktury 350 000 białek należących do ludzi i innych organizmów.

Instrukcje tworzenia ludzkich białek są zawarte w naszych genomach – DNA zawartym w jądrach ludzkich komórek.

Istnieje około 20 000 tych białek, które ulegają ekspresji w ludzkim genomie. Biolodzy wspólnie nazywają to pełne uzupełnienie „proteomem”.

Analizując wyniki AlphaFold, dr Demis Hassabis, dyrektor naczelny i współzałożyciel firmy zajmującej się sztuczną inteligencją Deep Mind, powiedział: „Uważamy, że jest to najbardziej kompletny i dokładny obraz ludzkiego proteomu do tej pory".

„Wierzymy, że ta praca odzwierciedla najbardziej znaczący wpływ, jaki sztuczna inteligencja wniosła do postępu dotychczasowego stanu wiedzy naukowej".

„Myślę, że to świetny obraz i przykład korzyści, jakie sztuczna inteligencja może przynieść społeczeństwu”. Dodał: „Jesteśmy bardzo podekscytowani, widząc, co społeczność zamierza z tym zrobić”.

Białka składają się z łańcuchów mniejszych cegiełek zwanych aminokwasami. Te łańcuchy składają się na wiele różnych sposobów, tworząc unikalny kształt 3D. Kształt białka determinuje jego funkcję w organizmie człowieka.

350 000 struktur białkowych przewidywanych przez AlphaFold obejmuje nie tylko 20 000 zawartych w ludzkim proteomie, ale także tzw. organizmy modelowe wykorzystywane w badaniach naukowych, takie jak E. coli, drożdże, muszka owocowa i mysz.

Ten gigantyczny skok możliwości został opisany przez naukowców DeepMind i zespół z Europejskiego Laboratorium Biologii Molekularnej (European Molecular Biology Laboratory, EMBL) w prestiżowym czasopiśmie Nature.

AlphaFold było w stanie dokonać pewnych prognoz pozycji strukturalnych dla 58% aminokwasów w ludzkim proteomie.

35,7% pozycji przewidywano z bardzo wysokim stopniem ufności – czyli liczbą dwukrotnie większą niż tą potwierdzoną eksperymentami.

Tradycyjne techniki opracowywania struktur białkowych obejmują krystalografię rentgenowską, kriogeniczną mikroskopię elektronową (Cryo-EM) i inne. Ale żadna z tych rzeczy nie jest łatwa do wykonania: „Wykonywanie struktur wymaga ogromnych nakładów finansowych i zasobów” – powiedział BBC News prof. John McGeehan, biolog strukturalny z University of Portsmouth.

Dlatego kształty 3D są często określane w ramach ukierunkowanych badań naukowych, ale żaden projekt do tej pory nie miał systematycznie określanych struktur dla wszystkich białek wytwarzanych przez organizm.

W rzeczywistości tylko 17% proteomu pokrywa struktura potwierdzona eksperymentalnie.

Odpowiadając na prognozy AlphaFold, prof. McGeehan powiedział: „To tylko prędkość – fakt, że zajęło nam to sześć miesięcy na zbudowanie konstrukcji, a teraz zajmuje to tylko kilka minut. Naprawdę nie mogliśmy przewidzieć, że stanie się to tak szybko”.

„Kiedy po raz pierwszy wysłaliśmy nasze siedem sekwencji do zespołu DeepMind, dwie z nich, dla których mieliśmy już struktury eksperymentalne. Mogliśmy więc je przetestować, gdy wróciły. Szczerze mówiąc, to był jeden z tych momentów, w którym włosy wstawały z tyłu mojej szyi, ponieważ wyprodukowane struktury [AlphaFold] były identyczne”.

Prof. Edith Heard z EMBL powiedziała: „Będzie to przełomowe dla zrozumienia przez nas, jak działa życie. Dzieje się tak dlatego, że białka stanowią podstawowe elementy budulcowe, z których zbudowane są żywe organizmy”.

„Zastosowania są ograniczone tylko tym jak my je zrozumiemy”.

Te zastosowania, które możemy teraz przewidzieć, obejmują opracowywanie nowych leków i metod leczenia chorób, projektowanie przyszłych upraw odpornych na zmiany klimatu oraz enzymy, które mogą rozkładać plastik przenikający nasze środowisko.

Grupa prof. McGeehana już wykorzystuje dane AlphaFold, aby pomóc w opracowaniu szybszych enzymów do degradacji plastiku. Powiedział, że program dostarczył już prognozy dla białek będących przedmiotem zainteresowania, których struktury nie można było określić eksperymentalnie – pomagając przyspieszyć ich projekt o „wiele lat”.

Dr Ewan Birney, ktry jest dyrektorem Europejskiego Instytutu Bioinformatyki EMBL, powiedział, że przewidywane przez AlphaFold struktury były „jednym z najważniejszych zbiorów danych od czasu mapowania ludzkiego genomu”.

DeepMind połączył siły z EMBL, aby udostępnić kod AlphaFold i prognozy struktury białek dla globalnej społeczności naukowej.

Dr Hassabis powiedział, że DeepMind zaplanował znaczne rozszerzenie zakresu bazy danych na prawie każde zsekwencjonowane białko znane nauce – ponad 100 milionów struktur.

Autor: 
tłum. Natalia Stawicka
Dział: 

Reklama