AlphaFold 2 menumbangkan ramalan struktur protein dan mengubah sejarah sains

Profesor Universiti Oxford Matthew Higgins sedang bergelut dengan soalan klasik yang menggaru kepala: Apakah rupa protein sebenarnya?

Makmal beliau telah memfokuskan kepada isu berkaitan malaria sejak 2005.

Teknik tradisional hanya boleh menghasilkan garis besar struktur protein yang tidak jelas, yang mengelirukan Higgins.

Walau bagaimanapun, menggunakan teknologi kecerdasan buatan baharu yang dipanggil AlphaFold 2, beliau mentafsir struktur protein utama yang digunakan oleh parasit yang menyebabkan malaria.

Kejayaan ini membantu beliau membangunkan vaksin malaria eksperimen yang kini sedang diuji pada manusia.

Malaria membunuh lebih daripada 6 juta orang setiap tahun, dan vaksin ini mungkin memegang kunci untuk memerangi penyakit ini. Tanpa AlphaFold, katanya, kita mungkin masih melanggar dinding bata.

Adalah sukar untuk melihat daripada pencapaian Higgins bahawa AlphaFold 2 dengan pantas menumbangkan sains dan perubatan.

Dalam beberapa tahun sahaja, syarikat permulaan kecerdasan buatan Alphabet, DeepMind telah berkembang daripada memenangi permainan Go kepada menyelesaikan cabaran besar biologi, dan kini ia telah digunakan oleh lebih daripada 100 Ribuan penyelidik menggunakannya, termasuk penyelidik dari universiti dan penyelidik dari syarikat farmaseutikal besar.

Ketua Pegawai Eksekutif DeepMind Demis Hassabis berkata dalam podcast tahun lepas: "AlphaFold mengejutkan, tetapi ia hanya permulaan."

Daripada menang Pergi ke mengubah sejarah sains

Pada masa kini, protein adalah sasaran utama hampir semua ubat, jadi memahami struktur protein adalah kunci untuk menyelesaikan masalah masalah bagaimana menggunakan kaedah khusus untuk Kunci campur tangan dalam fenotip penyakit.

Sebelum AlphaFold, mencari struktur protein adalah tugas yang sukar.

Kaedah tradisional adalah untuk penyelidik mengkristalkan protein dan mengubahnya menjadi bentuk garam yang sangat tahan terhadap protein. Jika ini berjaya, mereka membedil setiap kristal dengan sinar-X dan melihat bagaimana elektron melantun keluar untuk mencipta imej.

Dengan mengulangi proses ini, saintis boleh mempelajari struktur 3D protein.

Higgins berkata pelajar PhD mungkin mengambil masa satu atau dua tahun untuk menemui struktur baharu, tetapi keputusannya selalunya kabur dan tidak pasti.

Ketua Pegawai Eksekutif DeepMind Demis Hassabis ialah seorang ahli catur dan penginjil untuk kecerdasan buatan. Beliau mengasaskan DeepMind pada 2010 dengan matlamat membina sistem kecerdasan buatan yang boleh melaksanakan tugas tertentu serta atau lebih baik daripada manusia.

Pada 2016, sistem kecerdasan buatan DeepMind AlphaGo mengalahkan pemain bertaraf dunia dalam permainan Go.

Selepas memenangi permainan Go, Hassabis dan ahli sains terkemuka DeepMind, David Silver memutuskan sudah tiba masanya untuk beralih daripada pertandingan Go ke menyelesaikan masalah Masalah dunia sebenar sekarang.

Jadi mereka mula memberi tumpuan kepada masalah protein, dan dekad kerja ahli biologi John Moult membuka jalan kepada DeepMind untuk memasuki biologi.

Pada tahun 1994, beliau mengasaskan Pertandingan Ramalan Struktur Protein CASP (Penilaian Kritikal Ramalan Struktur Protein).

Para peserta akan diberikan urutan asid amino bagi kira-kira 100 protein yang tidak diketahui Ketiga-tiga struktur protein ini telah ditentukan tetapi belum diterbitkan.

Pasukan akan mempunyai beberapa bulan untuk membangunkan dan menggunakan model matematik untuk menyelesaikan struktur yang tidak diketahui ini. Moult menilai ramalan mereka untuk ketepatan. Pada skala 100, skor melebihi 90 menunjukkan bahawa ramalan struktur hampir sempurna.

DeepMind membuat percubaan awam pertamanya di persidangan CASP pada 2018. Versi pertama AlphaFold memenangi pertandingan dan menewaskan piawaian dunia. Dalam pertandingan, ketepatan ramalan pemenang biasanya sekitar 40%, manakala keputusan AlphaFold ialah 60%.

Walaupun keputusan ini mengagumkan, ramalan AlphaFold mempunyai banyak ralat dan belum sempurna lagi. Hassabis mahu melakukan yang lebih baik.

Beberapa bulan sebelum keputusan CASP dikeluarkan, John Jumper, salah seorang saintis terkemuka di belakang AlphaFold, telah bekerja dengan beliau Perancangan pasukan bersama-sama, kami mahu membuat peningkatan tambahan kepada teknologi.

Hassabis tiba-tiba menghalang mereka, mungkin bermaksud "Adakah terlalu sukar untuk menyelesaikan masalah ini dengan model semasa? Perlukah kita membuat model yang berasingan?" 🎜>Selepas perbualan itu, Jumper meninggalkan versi pertama AlphaFold dan bermula dari awal. Jumper berkata, "AlphaFold 2 dibina berdasarkan lebih banyak pengetahuan biologi dan fizikal tentang protein." ketepatan meramalkan struktur protein mencapai hampir 90%, yang jauh lebih tinggi daripada peserta lain. Pakar percaya ia berkesan menyelesaikan masalah.

"Pada masa itu, saya tahu kita telah mengubah sejarah sains," kata Jumper.

Pertumbuhan pesat dalam sains hayat

Dalam beberapa bulan selepas CASP, DeepMind bergerak pantas.

Pasukan meramalkan kesemua 20,000 protein dalam tubuh manusia sekitar Krismas 2020. Hasilnya diterbitkan pada Julai 2021, bersama-sama dengan kod untuk perisian itu, dalam kertas mani dalam Nature, yang telah disebut lebih daripada 8,800 kali, iaitu kira-kira 15 kali sehari.

Hassabis berkata bahawa keputusan untuk mengeluarkan AlphaFold 2 secara percuma adalah untuk memaksimumkan manfaat manusia.

Menurut CNBC, DeepMind, anak syarikat Alphabet, menjana wang dengan menjual perisian dan perkhidmatan kepada syarikat Alphabet lain, seperti YouTube dan Google.

Kemudian, Hassabis menubuhkan syarikat permulaan bioteknologi Isomorphic Labs pada tahun 2021 untuk menumpukan pada penyelidikan dadah. Sementara itu, AlphaFold 2 telah berjalan lancar, mengeluarkan 200 juta ramalan struktur protein pada musim panas lalu.

Kepantasan penyelidikan semakin pantas.

Menurut data daripada direktori penyelidikan bioperubatan PubMed, hanya 4 kertas kerja merujuk AlphaFold pada 2020. Jumlah ini akan meningkat kepada 92 artikel pada 2021 dan 546 artikel pada 2022. Akan ada lebih daripada 1,000 kertas kerja pada tahun 2023.

Pemecut untuk penyelidikan dadah

Sesetengah syarikat bioteknologi kini menggunakan AlphaFold 2 untuk membangunkan ubat.

"AlphaFold mencetus gelombang inovasi dengan menunjukkan kepada orang ramai perkara yang mungkin," kata Chris Bahl, ketua saintis di AI Proteins, sebuah syarikat permulaan Boston yang turut menggunakan AlphaFold untuk membantu membangunkan dadah.

Pada 2019, Raphael Townshend bekerja di AlphaFold sebagai pelatih DeepMind semasa dia menamatkan pengajian ijazah sains komputer di Universiti Stanford Kedoktoran Sains.

Kini, dia menjalankan syarikat permulaan bernama Atomic AI di San Francisco, dengan harapan dapat membangunkan apa yang dipanggilnya "AlphaFold of RNA."

RNA membaca arahan dalam genetik (DNA) kita untuk mencipta protein dalam badan.

Syarikatnya ingin meramalkan struktur molekul RNA dan berharap dapat menggunakan kajian ini untuk membangunkan ubat. Syarikat bioteknologi lain juga menggunakan AlphaFold bersama-sama dengan teknologi AI lain untuk mencari ubat baharu yang berpotensi dengan cepat dan murah.

Contohnya, syarikat permulaan Insilico Medicine menggunakan sistem kecerdasan buatannya dengan AlphaFold untuk mereka bentuk molekul yang menyekat protein yang dikaitkan dengan kanser hati. Ia mencipta salah satu molekul dan menggunakan ujian makmal untuk mengesahkan ia berfungsi. Syarikat itu menerbitkan kajian itu pada Januari.

Ketua Pegawai Eksekutif syarikat Alex Zhavoronkov mendakwa bahawa pasukannya hanya mengambil masa kira-kira 50 hari daripada mencari sasaran dadah kepada mereka bentuk dadah dan mengujinya di makmal, kurang daripada 100 juta, yang mana dia percaya adalah rekod untuk pembangunan dadah.

Zhavoronkov mempunyai foto Hassabis di pejabatnya, "AlphaFold adalah penemuan yang menarik, tetapi ia adalah sebahagian daripada teka-teki Lego yang besar yang anda perlukan untuk berjaya. Membawa dadah ke pasaran 》

Namun, walaupun teknologi kecerdasan buatan ini menjadikan pembangunan ubat lebih cepat dan mudah, syarikat tidak bercadang untuk membawanya ke pasaran kerana kos ujian klinikal Dadah maju ke dalam manusia kajian kerana proses mengujinya ke atas haiwan dan manusia masih mengambil masa bertahun-tahun dan mencecah ratusan juta ringgit.

Apa yang seterusnya

Potensi kecerdasan buatan dalam bioteknologi adalah terhad.

Ramalan AlphaFold tidak selalunya sempurna, model ramalan ini sangat tepat dalam menyelesaikan sekumpulan kecil protein yang tidak diketahui, tetapi ini tidak menjamin bahawa semua struktur yang diramalkan adalah betul.

Higgins dari Universiti Oxford berkata dia sendiri akan menggunakan eksperimen makmal untuk menyemak semula ramalan AI, jadi dia berhati-hati dengan kertas penyelidikan yang bergantung sepenuhnya pada ramalan AlphaFold kerana Terdapat kekurangan pengesahan percubaan .

Walaupun ada batasan ini, AlphaFold 2 sudahpun menjadi satu kejayaan besar yang malah telah mencetuskan perbincangan mengenai Hadiah Nobel, terutamanya selepas ia memenangi $3 juta pada 2022 Selepas anugerah itu.

Pedro Domingos, profesor sains komputer di Universiti Washington, berkata bahawa penyelidikan pasukan AlphaFold adalah lebih mendalam, seperti bagaimana protein berinteraksi dengan protein lain atau molekul kecil bermakna.

Penyelidikan mereka akan menjadi semakin sukar pada masa hadapan, dan tidak jelas sama ada AI akan dapat mengendalikan penyelidikan seterusnya. Tetapi Domingos percaya bahawa pasukan DeepMind sangat bagus, jadi dia sangat optimistik tentang perkembangan masa depannya.

DeepMind telah melakukan beberapa kajian dalam genetik dan meramalkan interaksi protein yang lebih kompleks, tetapi masalah biologi besar yang akan mereka sasarkan seterusnya masih menjadi misteri bahawa aplikasi teknologinya oleh institusi lain dan syarikat pada masa hadapan akan "semakin sukar untuk difahami."

DeepMind's Jumper berkata pasukan AlphaFoldnya menumpukan usaha untuk melepasi halangan besar seterusnya dalam penyelidikan biologi. Tetapi ia tetap menjadi rahsia.

"Saya mempunyai teori saya tentang ke mana ia mungkin pergi, jenis teknologinya, dan rupa masa depan, dan saya tidak akan mendedahkannya."

Atas ialah kandungan terperinci AlphaFold 2 menumbangkan ramalan struktur protein dan mengubah sejarah sains. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!