211service.com
Umělá inteligence DeepMind pro skládání proteinů vyřešila 50 let starou velkou výzvu biologie
CASP / DeepMind
DeepMind již nasbíral řadu výher a předvedl AI, které se naučily hrát různé složité hry s nadlidskými dovednostmi, od Go a StarCraft až po celý zadní katalog Atari. Ale Demis Hassabis, veřejná tvář a spoluzakladatel DeepMind, vždy zdůrazňoval, že tyto úspěchy byly jen odrazovým můstkem k většímu cíli: AI, která nám ve skutečnosti pomáhá porozumět světu.
Dnes DeepMind a organizátoři dlouhodobého běhu Kritické hodnocení predikce struktury proteinu (CASP) soutěž oznámila AI, která by měla mít obrovský dopad, o který Hassabis usiluje. The nejnovější verzi DeepMind AlphaFold , systém hlubokého učení, který dokáže přesně předpovídat strukturu proteinů na šířku atomu, rozbil jednu z velkých výzev biologie. Je to první použití umělé inteligence k vyřešení vážného problému, říká John Moult z University of Maryland, který vede tým provozující CASP.
Protein se skládá ze stuhy aminokyselin, která se skládá z mnoha složitých zákrutů a zamotání. Tato struktura určuje, co dělá. A zjistit, co proteiny dělají, je klíčem k pochopení základních mechanismů života, kdy funguje a kdy ne. Snahy vyvinout vakcíny proti covidu-19 se soustředily například na spike protein viru. Způsob, jakým se koronavirus zachytí na lidských buňkách, závisí na tvaru tohoto proteinu a tvarech proteinů na vnější straně těchto buněk. Hrot je jen jeden protein z miliard ve všech živých věcech; jen uvnitř lidského těla jsou desítky tisíc různých druhů bílkovin.
Související příběh
AI zápasí s replikační krizí Techničtí giganti dominují výzkumu, ale hranice mezi skutečným průlomem a ukázkou produktů může být nejasná. Někteří vědci toho mají dost.V letošním CASP AlphaFold předpověděl strukturu desítek proteinů s odchylkou pouhých 1,6 angstromů – to je 0,16 nanometrů, neboli o velikosti atomu. To daleko předčí všechny ostatní výpočetní metody a poprvé odpovídá přesnosti technik používaných v laboratoři, jako je např. kryo-elektronová mikroskopie , nukleární magnetická rezonance a rentgenová krystalografie . Tyto techniky jsou drahé a pomalé: může to trvat stovky tisíc dolarů a roky pokusů a omylů pro každý protein. AlphaFold dokáže najít tvar proteinu za několik dní.
Průlom by mohl pomoci výzkumníkům navrhnout nové léky a porozumět nemocem. Z dlouhodobého hlediska pomůže předpověď struktury proteinů také navrhnout syntetické proteiny, jako jsou enzymy, které tráví odpad nebo produkují biopaliva. Výzkumníci také zkoumají způsoby, jak zavést syntetické proteiny, které zvýší výnosy plodin a učiní rostliny výživnějšími.
Je to velmi podstatný pokrok, říká Mohammed AlQuraishi, systémový biolog na Kolumbijské univerzitě, který vyvinul svůj vlastní software pro předpovídání proteinové struktury. Je to něco, co jsem prostě nečekal, že se to stane tak rychle. Je to svým způsobem šokující.
To je opravdu velký problém, říká David Baker, vedoucí Institutu pro proteinový design na Washingtonské univerzitě a vedoucí týmu stojícího za Rosettou, rodinou nástrojů pro analýzu proteinů. Je to úžasný úspěch, stejně jako to, co dokázali s Go.
Astronomická čísla
Určení struktury proteinu je velmi obtížné. U většiny proteinů mají výzkumníci sekvenci aminokyselin v pásku, ale ne zkroucený tvar, do kterého se skládají. A pro každou sekvenci je obvykle astronomický počet možných tvarů. Vědci se s tímto problémem potýkají přinejmenším od 70. let 20. století, kdy Christian Anfinsen získal Nobelovu cenu za to, že ukázal, že sekvence určují strukturu.
Spuštění CASP v roce 1994 dalo tomuto oboru impuls. Každé dva roky organizátoři uvolňují přibližně 100 aminokyselinových sekvencí pro proteiny, jejichž tvary byly identifikovány v laboratoři, ale dosud nebyly zveřejněny. Desítky týmů z celého světa pak soutěží, aby našli správný způsob, jak je poskládat pomocí softwaru. Mnohé z nástrojů vyvinutých pro CASP již používají lékařští výzkumníci. Ale pokrok byl pomalý, dvě desetiletí postupného pokroku nedokázala vytvořit zkratku k pečlivé laboratorní práci.
CASP dostal otřes, který hledal, když DeepMind vstoupil do soutěže v roce 2018 se svým první verze AlphaFold . Stále se nemohla rovnat přesnosti laboratoře, ale ostatní výpočetní techniky zůstaly v prachu. Výzkumníci si všimli: brzy mnozí přizpůsobovali své vlastní systémy, aby fungovaly více jako AlphaFold.
Letos více než polovina příspěvků používá nějakou formu hlubokého učení, říká Moult. Přesnost byla celkově vyšší. Bakerův nový systém, nazvaný trRosetta, využívá některé z nápadů DeepMind z roku 2018. Ale stále to byla velmi vzdálená sekunda, říká.
V CASP jsou výsledky hodnoceny pomocí toho, co je známé jako test globální vzdálenosti (GDT), který měří na stupnici od 0 do 100, jak blízko je předpokládaná struktura skutečnému tvaru proteinu identifikovaného v laboratorních experimentech. Nejnovější verze AlphaFold dosáhla dobrých výsledků u všech proteinů v této výzvě. Zhruba dvě třetiny z nich však získalo skóre GDT nad 90. Jeho GDT pro nejtvrdší proteiny bylo o 25 bodů vyšší než u dalšího nejlepšího týmu, říká John Jumper, který vede tým AlphaFold v DeepMind. V roce 2018 byl náskok kolem šesti bodů.
Skóre nad 90 znamená, že jakékoli rozdíly mezi předpokládanou strukturou a skutečnou strukturou mohou být způsobeny spíše experimentálními chybami v laboratoři než chybou v softwaru. Mohlo by to také znamenat, že předpokládaná struktura je platnou alternativní konfigurací k té, která byla zjištěna v laboratoři, v rozsahu přirozených variací.
Podle Jumpera byly v soutěži čtyři proteiny, na kterých nezávislí porotci v laboratoři nedokončili práci, a předpovědi AlphaFold je nasměrovaly ke správným strukturám.
AlQuraishi si myslel, že výzkumníkům bude trvat 10 let, než se z výsledků AlphaFold za rok 2018 dostanou k letošním. To je blízko fyzickému limitu, jak přesné můžete dosáhnout, říká. Tyto struktury jsou v zásadě disketové. O předsevzetí níže nemá smysl mluvit.
Skládačky
AlphaFold staví na práci stovek výzkumníků z celého světa. DeepMind také čerpal ze široké škály odborných znalostí a dal dohromady tým biologů, fyziků a počítačových vědců. Podrobnosti o tom, jak to funguje, budou zveřejněny tento týden na konferenci CASP a v recenzovaném článku ve speciálním čísle časopisu Proteiny příští rok. Ale víme, že používá formu sítě pozornosti, techniku hlubokého učení, která umožňuje AI trénovat se zaměřením na části většího problému. Jumper přirovnává tento přístup k montáži skládanky: nejprve seskládá dohromady místní kousky, než je spojí do celku.
DeepMind trénoval AlphaFold na přibližně 170 000 proteinech odebraných z proteinové databanky, veřejného úložiště sekvencí a struktur. Porovnával více sekvencí v databance a hledal páry aminokyselin, které často končí blízko sebe ve složených strukturách. Tato data pak použije k odhadu vzdálenosti mezi páry aminokyselin ve strukturách, které ještě nejsou známy. Je také schopen posoudit, jak přesné jsou tyto odhady. Školení trvalo několik týdnů, s využitím výpočetního výkonu ekvivalentního 100 až 200 GPU.
Související příběh
Obecná umělá inteligence: Jsme si blízcí a má vůbec smysl to zkoušet? Stroj, který by mohl myslet jako člověk, byl vůdčí vizí výzkumu umělé inteligence již od prvních dnů – a zůstává jeho nejrozdílnější myšlenkou.
Dame Janet Thornton z Evropského bioinformatického institutu v Cambridge ve Spojeném království pracuje na proteinech již 50 let. To je opravdu tak dlouho, dokud tento problém existuje, řekla minulý týden na tiskové konferenci. Začínal jsem si myslet, že se to za mého života nevyřeší.
Mnoho léků je navrženo simulací jejich 3D molekulární struktury a hledáním způsobů, jak tyto molekuly vložit do cílových proteinů. To lze samozřejmě provést pouze v případě, že je známa struktura těchto proteinů. To je případ pouze čtvrtiny ze zhruba 20 000 lidských proteinů, říká Thornton. To zbývá 15 000 nevyužitých drogových cílů. AlphaFold otevře novou oblast výzkumu.
DeepMind říká, že plánuje studovat leishmaniózu, spavou nemoc a malárii, všechny tropické nemoci způsobené parazity, protože jsou spojeny se spoustou neznámých proteinových struktur.
Jednou z nevýhod AlphaFold je, že je pomalá ve srovnání s konkurenčními technikami. AlQuraishiho systém, který používá algoritmus zvaný rekurentní geometrická síť (RGN), dokáže najít proteinové struktury milionkrát rychlejší -vracející výsledky v sekundách spíše než po dnech. Jeho předpovědi jsou méně přesné, ale pro některé aplikace je rychlost důležitější, říká.
Vědci nyní čekají, až zjistí, jak přesně AlphaFold funguje. Jakmile popíšou světu, jak to dělají, vykvete tisíc květin, říká Baker. Lidé jej budou používat na nejrůznější věci, na věci, které si nyní neumíme představit.
I méně přesný výsledek by byl dobrou zprávou pro lidi pracující s enzymy nebo bakteriemi, říká AlQuraishi: Ale máme něco ještě lepšího, s bezprostředním významem pro farmaceutické aplikace.