Το πρόγραμμα AI AlphaFold3 της DeepMind μπορεί να προβλέψει τη δομή κάθε πρωτεΐνης στο σύμπαν — και να δείξει πώς λειτουργούν

 Το AlphaFold3 χρησιμοποιεί τεχνητή νοημοσύνη για να βοηθήσει τους επιστήμονες να προβλέψουν με μεγαλύτερη ακρίβεια πώς αλληλεπιδρούν οι πρωτεΐνες με άλλα βιολογικά μόρια.

Το λογισμικό δομικής βιολογίας AlphaFold που λειτουργεί με AI, μοντελοποιεί τον τρόπο με τον οποίο αναδιπλώνονται οι πρωτεΐνες. (Εικόνα: CHRISTOPH BURGSTEDT/SCIENCE PHOTO BIBRARY μέσω Getty Images)

Η DeepMind αποκάλυψε την τρίτη έκδοση του λογισμικού δομικής βιολογίας AlphaFold που υποστηρίζεται από τεχνητή νοημοσύνη (AI), το οποίο μοντελοποιεί τον τρόπο με τον οποίο αναδιπλώνονται οι πρωτεΐνες.

Η δομική βιολογία είναι η μελέτη μοριακής βάσης των βιολογικών υλικών - συμπεριλαμβανομένων των πρωτεϊνών και των νουκλεϊκών οξέων - και στοχεύει να αποκαλύψει πώς είναι δομημένα, λειτουργούν και αλληλεπιδρούν.

Το AlphaFold3 βοηθά τους επιστήμονες να προβλέψουν με μεγαλύτερη ακρίβεια πώς οι πρωτεΐνες - μεγάλα μόρια που παίζουν κρίσιμο ρόλο σε όλες τις μορφές ζωής, από φυτά και ζώα έως ανθρώπινα κύτταρα - αλληλεπιδρούν με άλλα βιολογικά μόρια, συμπεριλαμβανομένου του DNA και του RNA. Κάτι τέτοιο θα επιτρέψει στους επιστήμονες να «καταλάβουν πραγματικά τις διαδικασίες της ζωής», έγραψαν οι εκπρόσωποι της DeepMind σε μια ανάρτηση ιστολογίου.

Συγκριτικά, οι προκάτοχοί του, οι AlphaFold και AlphaFold2, μπορούσαν να προβλέψουν μόνο τα σχήματα στα οποία αναδιπλώνονται οι πρωτεΐνες. Αυτό ήταν ακόμα μια σημαντική επιστημονική ανακάλυψη εκείνη την εποχή.

Οι προβλέψεις του AlphaFold3 θα μπορούσαν να βοηθήσουν τους επιστήμονες να αναπτύξουν βιο-ανανεώσιμα υλικά, καλλιέργειες με μεγαλύτερη αντοχή, νέα φάρμακα και πολλά άλλα, έγραψε η ερευνητική ομάδα σε μια μελέτη που δημοσιεύτηκε στις 8 Μαΐου στο περιοδικό Nature.

Δεδομένης μιας λίστας μορίων, το πρόγραμμα AI μπορεί να δείξει πώς ταιριάζουν μεταξύ τους. Αυτό το κάνει όχι μόνο για μεγάλα μόρια όπως πρωτεΐνες, DNA και RNA, αλλά και για μικρά μόρια γνωστά ως συνδέτες, τα οποία συνδέονται με υποδοχείς σε μεγάλες πρωτεΐνες όπως το κλειδί που ταιριάζει σε μια κλειδαριά.

Το AlphaFold3 μοντελοποιεί επίσης πώς ορισμένα από αυτά τα βιομόρια (οργανικά μόρια που παράγονται από ζωντανά πράγματα) τροποποιούνται χημικά. Οι διαταραχές σε αυτές τις χημικές τροποποιήσεις μπορούν να παίξουν ρόλο σε ασθένειες, σύμφωνα με την ανάρτηση του ιστολογίου.

Το AlphaFold3 μπορεί να εκτελέσει αυτούς τους υπολογισμούς επειδή η υποκείμενη αρχιτεκτονική μηχανικής μάθησης και τα δεδομένα εκπαίδευσης του περιλαμβάνουν κάθε τύπο βιομορίου.

Οι ερευνητές ισχυρίζονται ότι το AlphaFold3 είναι 50% πιο ακριβές από τις τρέχουσες μεθόδους που βασίζονται σε λογισμικό για την πρόβλεψη των πρωτεϊνικών δομών και των αλληλεπιδράσεών τους με άλλα μόρια.

Για παράδειγμα, στην ανακάλυψη φαρμάκων, το Nature ανέφερε ότι το AlphaFold3 ξεπέρασε τα δύο προγράμματα σύνδεσης - τα οποία χρησιμοποιούν οι ερευνητές για να μοντελοποιήσουν τη συγγένεια μικρών μορίων και πρωτεϊνών όταν συνδέονται μεταξύ τους - και το RoseTTAFold All-Atom, ένα νευρωνικό δίκτυο για την πρόβλεψη βιομοριακών δομών.

Ο Frank Uhlmann, βιοχημικός στο Ινστιτούτο Francis Crick στο Λονδίνο, είπε στο Nature ότι χρησιμοποιεί το εργαλείο για την πρόβλεψη της δομής των πρωτεϊνών που αλληλεπιδρούν με το DNA όταν αντιγράφουν γονιδιώματα και τα πειράματα δείχνουν ότι οι προβλέψεις είναι ως επί το πλείστον ακριβείς.

Ωστόσο, σε αντίθεση με τους προκατόχους του, το AlphaFold 3 δεν είναι πλέον ανοιχτού κώδικα. Αυτό σημαίνει ότι οι επιστήμονες δεν μπορούν να χρησιμοποιήσουν προσαρμοσμένες εκδόσεις του μοντέλου τεχνητής νοημοσύνης ή να έχουν δημόσια πρόσβαση στον κώδικά του ή στα δεδομένα εκπαίδευσης για την ερευνητική τους εργασία.

Οι επιστήμονες που θέλουν να χρησιμοποιήσουν το AlphaFold3 για μη εμπορική έρευνα μπορούν να έχουν δωρεάν πρόσβαση σε αυτό μέσω του διακομιστή AlphaFold που κυκλοφόρησε πρόσφατα. Μπορούν να εισαγάγουν τις επιθυμητές μοριακές αλληλουχίες τους και να αποκτήσουν προβλέψεις μέσα σε λίγα λεπτά. Αλλά μπορούν να εκτελούν μόνο 20 εργασίες την ημέρα.

Επεξεργασία από το Live Science