(DeepMind/YouTube) Ein seit langem bestehendes und unglaublich komplexes wissenschaftliches Problem bezüglich der Struktur und des Verhaltens von Proteinen wurde durch ein neues wirksam gelöst künstliche Intelligenz (KI)-System, berichten Wissenschaftler.
DeepMind, das in Großbritannien ansässige KI-Unternehmen, hat hat uns jahrelang begeistert mit seiner Parade sich ständig weiterentwickelnder neuronaler Netze, die den Menschen ständig überwältigen komplexe Spiele wie Schach und Go .
Bei all diesen schrittweisen Fortschritten ging es jedoch um viel mehr als nur um die Bewältigung von Freizeitbeschäftigungen.
Im Hintergrund versuchten die Forscher von DeepMind, ihre KIs dazu zu bringen, noch viel mehr zu lösen grundlegend wichtige wissenschaftliche Rätsel – wie zum Beispiel die Suche nach neuen Wegen zur Bekämpfung von Krankheiten durch die Vorhersage winziger, aber lebenswichtiger Aspekte der menschlichen Biologie.
Nun scheinen sie mit der neuesten Version ihrer AlphaFold-KI-Engine dieses sehr ehrgeizige Ziel tatsächlich erreicht zu haben – oder uns zumindest näher gebracht zu haben als Wissenschaftler jemals zuvor.
Seit etwa 50 Jahren bemühen sich Forscher um Vorhersagen wie Proteine ihre dreidimensionale Struktur erreichen , und es ist kein leicht zu lösendes Problem.
Die astronomische Zahl möglicher Konfigurationen ist tatsächlich so überwältigend groß, dass Forscher postulierten, dass es dafür dauern würde länger als das Alter des Universums um alle möglichen molekularen Anordnungen zu untersuchen.
Nichtsdestotrotz, wenn wir dieses Rätsel lösen können – bekannt als Proteinfaltungsproblem – Es würde einen riesigen Durchbruch in den wissenschaftlichen Fähigkeiten bedeuten, die Forschungsbemühungen in Bereichen wie der Entdeckung von Arzneimitteln und der Modellierung von Krankheiten enorm beschleunigen und auch zu neuen Anwendungen führen, die weit über die Gesundheit hinausgehen.
Aus diesem Grund arbeiten Forscher trotz des Ausmaßes der Herausforderung seit Jahrzehnten zusammen, um Fortschritte bei der Entwicklung von Lösungen für das Proteinfaltungsproblem zu erzielen.
Ein rigoroses Experiment namens CASP (Kritische Bewertung der Proteinstrukturvorhersage) begann in den 1990er Jahren und forderte Wissenschaftler auf, Systeme zu entwickeln, mit denen sich die esoterischen Rätsel der Proteinfaltung vorhersagen lassen.
Jetzt, in seinem dritten Jahrzehnt, scheint das CASP-Experiment seine bisher vielversprechendste Lösung hervorgebracht zu haben – mit DeepMinds AlphaFold, das Vorhersagen von 3D-Proteinstrukturen mit beispielloser Genauigkeit liefert.
„Wir beschäftigen uns seit fast 50 Jahren mit diesem einen Problem – wie falten sich Proteine?“ sagt CASP-Mitbegründer John Moult von der University of Maryland.
„Zu sehen, wie DeepMind eine Lösung für dieses Problem entwickelt, ist ein ganz besonderer Moment, nachdem wir so lange persönlich an diesem Problem gearbeitet haben und nach so vielen Stopps und der Frage, ob wir jemals dorthin gelangen werden.“
In dem Experiment verwendete DeepMind eine neue Deep-Learning-Architektur für AlphaFold, die in der Lage war, den „räumlichen Graphen“ von 3D-Proteinen zu interpretieren und zu berechnen und die molekulare Struktur vorherzusagen, die ihrer gefalteten Konfiguration zugrunde liegt.
Das System, das durch die Analyse einer Datenbank mit etwa 170.000 Proteinstrukturen trainiert wurde, brachte seine einzigartigen Fähigkeiten bei der diesjährigen CASP-Herausforderung namens CASP14 ein und erreichte bei seinen Vorhersagen einen Durchschnittswert von 92,4 GDT (Global Distance Test).
Das liegt über dem Schwellenwert von ~90 GDT, der allgemein als konkurrenzfähig mit den gleichen Ergebnissen angesehen wird, die mit experimentellen Methoden erzielt wurden, und DeepMind gibt an, dass seine Vorhersagen nur um etwa 1,6 daneben liegen Angström im Durchschnitt (etwa die Breite eines Atoms).
„Als ich diese Ergebnisse sah, bin ich fast vom Stuhl gefallen“ sagt der Genomforscher Ewan Birney vom Europäischen Labor für Molekularbiologie.
„Ich weiß, wie streng CASP ist – es stellt im Grunde sicher, dass die Computermodellierung die anspruchsvolle Aufgabe erfüllen muss von Anfang an Proteinfaltung. Es war beeindruckend zu sehen, dass diese Modelle dies so genau konnten. Es wird viele Aspekte zu verstehen geben, aber das ist ein großer Fortschritt für die Wissenschaft.“
Es ist erwähnenswert, dass die Forschung noch nicht von Experten begutachtet oder in einer wissenschaftlichen Zeitschrift veröffentlicht wurde (obwohl die Forscher von DeepMind sagen, dass dies in Vorbereitung ist).
Dennoch erkennen Experten, die sich mit dem Gebiet auskennen, den Durchbruch bereits an und begrüßen ihn, auch wenn der vollständige Bericht und die detaillierten Ergebnisse noch ausstehen.
„Diese rechnerische Arbeit stellt einen erstaunlichen Fortschritt beim Problem der Proteinfaltung dar, einer 50 Jahre alten großen Herausforderung in der Biologie.“ sagt Strukturbiologe Venki Ramakrishnan, Präsident der Royal Society.
„Es geschah Jahrzehnte, bevor viele Fachleute es vorhergesehen hätten.“
Die vollständigen Ergebnisse sind noch nicht veröffentlicht, aber Sie können die Zusammenfassung der Forschung „High Accuracy Protein Structure Prediction Using Deep Learning“ einsehen. Hier , und finden Sie weitere Informationen zu CASP14 Hier .