W nagrodzie, która zelektryzowała społeczność naukową, trzy genialne umysły zdobyły Nagrodę Nobla w dziedzinie chemii. Dwóch naukowców z Google DeepMind, Demis Hassabis i John Jumper, znajduje się wśród laureatów, których praca proponuje przekształcenie biotechnologii i medycyny poprzez zwijanie białek. Dopełnieniem ich osiągnięć jest David Baker, biochemik z Uniwersytetu Waszyngtońskiego, którego przełomowa praca w zakresie obliczeniowego projektowania białek wzbogaca ich osiągnięcia. Po drodze ich odkrycia otworzyły nowe sposoby poznawania i konstruowania białek, kluczowych cząsteczek wszelkiego życia na Ziemi.
Ostatecznie leży to u podstaw tego osiągnięcia, tego kwartetu przewidywań, a zaczyna się od zaawansowanych modeli sztucznej inteligencji, zwłaszcza tych opracowanych przez Hassabisa i Jumpera. Ten przełom, AlphaFold2, umożliwia przewidywanie prawie wszystkich białek na podstawie ich sekwencji. Już to osiągnięcie powoduje takie przyspieszenie badań w zakresie odkrywania leków i biologii molekularnej, że zaczęło przyciągać uwagę decydentów i opinii publicznej. Wkład Bakera był ważny, ale technologia sztucznej inteligencji dokonała tego, co wielu uważało za niemożliwe — rozwiązała istniejącą od kilkudziesięciu lat zagadkę naukową.
Google DeepMind szokuje środowisko akademickie zdobyciem Nagrody Nobla w dziedzinie chemii
Trio zostało uhonorowane Nagrodą Nobla za opracowanie technik dekodowania i projektowania białek. Życie można porównać do budynków zbudowanych z cegieł, ale cegły bardziej przypominają elementy składowe życia: białka złożone są często opisywane jako cząsteczki, które pomagają nam wykonywać praktycznie wszystkie procesy zachodzące w naszym organizmie. Jednak przez dziesięciolecia ich struktura pozostawała tajemnicą. Jednak skuteczne mapowanie i projektowanie tych skomplikowanych cząsteczek było celem naukowców od lat dzięki sztucznej inteligencji.
Po drugie, John Jumper i Demis Hassabis z Google DeepMind stworzyli model sztucznej inteligencji o nazwie AlphaFold2który może przewidzieć strukturę dowolnego znanego białka. W modelu tym zmapowano już 200 milionów struktur białkowych, co było wówczas niewyobrażalnym osiągnięciem. Teraz możesz zrobić to, co kiedyś wymagało wielu lat żmudnych badań, w ciągu zaledwie kilku sekund. Ich praca daje wgląd w znane białka i pomaga otworzyć drzwi do tworzenia nowych białek z niesamowitą precyzją.
Tymczasem wkład Davida Bakera polegał na oprogramowaniu o nazwie Rosetta, które buduje nowe białka z części istniejących, które nie występują naturalnie w naturze. Praca ta stanowi ogromny krok w zrozumieniu i budowie białek i będzie miała dalekosiężne implikacje dla medycyny, nauk o środowisku i inżynierii materiałowej.
Jak sztuczna inteligencja zrewolucjonizowała wszystkie badania nad białkami
To badanie, które zostało nagrodzone Nagrodą Nobla, jest ważne. Każda funkcja biologiczna jest sterowana przez białka: od skurczu mięśni po obronę immunologiczną, funkcja białek zależy od ich kształtu. Przez dziesięciolecia naukowcy bezskutecznie próbowali przewidzieć, w jaki sposób białka składają się w swoje złożone trójwymiarowe struktury, ale z trudem. Musimy więc zrozumieć ten proces, aby odblokować możliwe metody leczenia, opracować szczepionki, a nawet stworzyć materiały biodegradowalne.
Pomysł Hassabisa i Jumpera, AlphaFold2, pozwala dokładnie przewidzieć strukturę praktycznie każdego białka, znacznie skracając czas badań. Jest to system oparty na sztucznej inteligencji, który szybko analizuje sekwencje aminokwasów, aby określić, w jaki sposób dana sekwencja złoży się w funkcjonalne białko. Według Hassabisa ten przełom „oszczędza lata pracy eksperymentalnej”, umożliwiając naukowcom skupienie się na zastosowaniach, takich jak opracowywanie nowych leków i materiałów.
Ta technologia sztucznej inteligencji współpracuje z oprogramowaniem Baker’s Rosetta. Dzięki zastosowaniu uczenia maszynowego wykorzystującego istniejące dane dotyczące białek mogliby zaprojektować nowe, nawet całkowicie nowe białka, aby stawić czoła trudnym problemom, takim jak zanieczyszczenie, lub stworzyć inteligentniejsze i skuteczniejsze leki. Baker powiedział, że w niektórych przypadkach pojawiają się potencjalne nowe metody leczenia, takie jak aerozole do nosa spowalniające rozprzestrzenianie się wirusów, takich jak COVID-19, lub leki blokujące niebezpieczne reakcje immunologiczne.
Połączenie platform głębokiego uczenia się AlphaFold2 i GenScript umożliwia szybsze badania, które wcześniej trwałyby dłużej.
Od chwili premiery AlphaFold2 jest bezpłatny dla naukowców na całym świecie, co stanowi dramatyczny zwrot w badaniach, jakie znamy. Ponad 2 miliony badaczy w 190 krajach wykorzystało już system do rozszerzenia badań nad chorobami takimi jak malaria, choroba Parkinsona, bakterie lekooporne i nie tylko. Jeśli narzędzie przyspieszy proces identyfikacji nowych leków przy niższych kosztach i kosztach niż kiedykolwiek wcześniej, może mieć ogromny wpływ na medycynę.
Zauważając długoterminowy potencjał AlphaFold2, John Jumper mówił o tym, jak może on pomóc przyspieszyć opracowywanie leków i szczepionek około 10–20-krotnie, szczególnie w odpowiedzi na pojawiające się pandemie i ogniska choroby. Było jasne, że David Baker był entuzjastycznie nastawiony do przyszłego zastosowania technologii — uważał, że to dopiero wierzchołek góry lodowej tego, co sztuczna inteligencja może zrobić w nauce.
W rękach nauki potęga AI
Nie oznacza to jednak, że rozwiązanie tej starej naukowej zagadki jest osiągnięciem – chodzi przede wszystkim o fundamentalną zmianę sposobu, w jaki myślimy o badaniach, mówią Hassabis i Jumper. Systemy sztucznej inteligencji, takie jak AlphaFold2, udowadniają, że w innym przypadku pracochłonne procesy naukowe mogą być teraz bardziej dostępne, praktyczne i skalowalne. To nie jest teoretyczne; dzieje się to obecnie w laboratoriach na całym świecie, a konsekwencje dla wszystkiego, od farmacji po nauki o środowisku, mogą być ogromne.
Jednak pomimo ogromnego potencjału Hassabis także wyraźnie ostrzegał. W oświadczeniu opisał sztuczną inteligencję jako mającą „podwójną przewagę”, co oznacza, że od razu wydaje się środkiem do poprawy życia i musimy zachować szczególną ostrożność, korzystając z niej, i martwić się, jakie mogą być jej niezamierzone skutki. Przy dalszym rozwoju tych technologii ich priorytetem będzie zapewnienie, aby wszelkie ryzyko przeważało nad korzyściami.
To pokazuje, jak daleko zaszliśmy w wykorzystaniu sztucznej inteligencji do rozwiązywania najtrudniejszych problemów biologii. Wiele pytań, które zadawaliśmy, uległo zmianie. To wciąż dopiero początek stosowania sztucznej inteligencji do badania białek, ale postępy Demisa Hassabisa, Johna Jumpera i Davida Bakera zmieniają oblicze nauki. Ich praca przybliża science fiction bardziej niż kiedykolwiek. To nagrodzone Nagrodą Nobla odkrycie będzie miało wpływ wykraczający daleko poza biologię i medycynę.
Kredyt obrazu: Furkan Demirkaja/Ideogram
Source: Sztuczna inteligencja Google DeepMind zdobywa Nagrodę Nobla w dziedzinie chemii