RW Space

Ученые сообщают, что давняя и невероятно сложная научная проблема, касающаяся структуры и поведения белков, была эффективно решена с помощью новой системы искусственного интеллекта (ИИ).

DeepMind, британская компания, занимающаяся разработкой искусственного интеллекта, уже много лет поражает нас своим парадом развивающихся нейронных сетей, которые постоянно побеждают людей в сложных играх, таких как шахматы и го.

Однако все эти постепенные улучшения касались гораздо большего, чем просто освоение игр.

Исследователи DeepMind стремились направить ИИ решать гораздо более фундаментально важные научные головоломки, такие как поиск новых способов борьбы с болезнями путем предсказания бесконечно малых, но жизненно важных аспектов биологии человека.

Теперь, с последней версией ИИ AlphaFold, они действительно достигли очень амбициозной цели.

Около 50 лет исследователи пытались предсказать, как белки достигают своей трехмерной структуры, и решить эту проблему непросто.

Астрономическое количество потенциальных конфигураций настолько ошеломляюще огромно, что исследователи предположили, что для выборки всех возможных молекулярных структур потребуется больше времени, чем возраст Вселенной.

Тем не менее, если мы сможем решить эту загадку, известную как проблема сворачивания белков, это станет гигантским прорывом в научных возможностях, значительно ускорив исследования в таких областях, как открытие лекарств и моделирование болезней, а также приведет к новым приложениям, выходящим далеко за рамки здравоохранения.

На протяжении десятилетий исследователи сотрудничали, чтобы добиться успехов в разработке решений проблемы сворачивания белков.

Эксперимент под названием CASP (Критическая оценка предсказания структуры белка) начался в 1990-х годах, поставив перед учеными задачу разработать системы, способные предсказывать сворачивание белков.

Система, обученная путем анализа банка данных, содержащего около 170 000 белковых структур, привнесла свой уникальный набор навыков в задачу CASP, получив средний балл 92,4 GDT (Global Distance Test).

Это выше порога GDT ~ 90, который обычно считается конкурентоспособным с теми же результатами, полученными с помощью экспериментальных методов, и DeepMind заявляет, что ее прогнозы в среднем отклоняются только примерно на 1,6 ангстрем (примерно на ширину атома).

«Эта вычислительная работа представляет собой ошеломляющий шаг вперед в решении проблемы сворачивания белков, грандиозной задаче биологии», — говорит биолог Венки Рамакришнан, президент Королевского общества.

«Открытие произошло на десятилетия раньше, чем предсказывали многие специалисты в этой области».

Окончательные результаты еще не опубликованы, но вы можете увидеть аннотацию к исследованию «Высокоточное прогнозирование структуры белка с использованием глубокого обучения» здесь, а дополнительную информацию о CASP можно найти здесь.