כמעט כל מבני החלבון המוכרים למדע חזו על ידי AlphaFold AI

מודל קיפול החלבונים המופעל על ידי בינה מלאכותית AlphaFold חזה יותר מ-200 מיליון חלבונים, כמעט כל המבנים האלה המוכרים למדע, אמר DeepMind ביום חמישי.

חלבונים הם מולקולות ביולוגיות מורכבות המיוצרות באורגניזמים חיים מהוראות המאוחסנות ב-DNA. עשויות מ-20 סוגים של חומצות אמינו, שרשראות אלה בקנה מידה ננו מבצעות משימות תאיות חיוניות לביצוע כל מיני תפקודי גוף. הכרת הצורה התלת מימדית של חלבונים היא חשובה מכיוון שהמבנה הפיזי שלו מספק רמזים כיצד הוא מתנהג, ולאיזו מטרה הוא משרת, מה שעוזר לנו לעשות דברים כמו לפתח תרופות, וליצור חלבונים העתקים עבור אלה שחסרים אותם.

חלק מהחלבונים מועילים, כגון אלו המעורבים בעיכול מזון בעוד שאחרים יכולים להזיק, כגון אלו המעורבים בצמיחת גידולים. עם זאת, קשה להבין את צורותיהם המתפתלות. ביולוגים מולקולריים יכולים לבלות שנים בביצוע ניסויים לפענוח מבנה חלבון, ואלפאפולד יכול לעשות זאת תוך דקות, תלוי בגודל המולקולה, מהרכב חומצות האמינו. 

AlphaFold אומנה על מאות אלפי מבני חלבון ידועים, ולמדה את הקשרים בין חומצות האמינו המרכיבות את הצורות הכוללות הסופיות. בהינתן רצף חומצות אמינו קלט שרירותי, המודל יכול לחזות מבנה חלבון תלת מימדי. כעת, המודל חזה כמעט את כל מבני החלבון המוכרים למדע.

בעבודה משותפת עם המכון האירופי לביואינפורמטיקה, DeepMind הרחיבה את זה מאגר מבנה החלבונים AlphaFold להכיל למעלה מ-200 מיליון צורות תלת-ממדיות של חלבונים מבעלי חיים ועד צמחים, חיידקים ועד וירוסים - עלייה של יותר מ-3 פעמים מכמעט מיליון מולקולות ל-200 מיליון מולקולות לפחות בתוך שנה בלבד.

"קיווינו שהמשאב פורץ הדרך הזה יעזור להאיץ את המחקר והגילוי המדעיים בעולם, ושצוותים אחרים יוכלו ללמוד ולהתבסס על ההתקדמות שעשינו עם AlphaFold כדי ליצור פריצות דרך נוספות", Demis Hassibis, מייסד ומנכ"ל DeepMind, אמר בהצהרה ביום חמישי.

"התקווה הזו הפכה למציאות הרבה יותר מהר ממה שהעזנו לחלום. רק שנים עשר חודשים לאחר מכן, אלפאפולד ניגשו יותר מחצי מיליון חוקרים ושימשו להאצת התקדמות בבעיות חשובות בעולם האמיתי, החל מזיהום פלסטיק ועד עמידות לאנטיביוטיקה".

הקופה ביקשה מ-DeepMind תגובה נוספת. 

AlphaFold גם הראתה פוטנציאל גדול לעיצוב תרופות חדשות. המבנים עוזרים למדענים להבין תרכובות כימיות שיכולות להיקשר לחלבוני מטרה כדי לטפל או למנוע מהם לבצע פונקציות פתולוגיות. לחברות כולל Insilco Medicine יש ניסיתי עם המודל לגילוי תרופות חדשות; המנכ"ל אלכס ז'בורונקוב אמר הקופה שהתהליך הרבה יותר מסובך ממה שאתה חושב, וכולל כמה שלבים.

לא ברור עד כמה מדויקות לחלוטין התחזיות של AlphaFold. מבנה דמוי סרט של חלבון משנה לעתים קרובות את צורתו כאשר הוא יוצר אינטראקציה עם תרופה, משהו ש-AlphaFold לא יכול לעזור למדענים בו מכיוון שהוא לא מיומן לכך. ז'בורונקוב אמר שהדוגמנית היא "פריצת דרך די יוצאת דופן", אבל נזהר מכל ההייפ. 

"עד שנראה מבנה למטרה חדשנית במחלה גדולה שהושג באמצעות AlphaFold ללא ניסויים נוספים, מולקולה שתוכננה באמצעות AI - או שיטות אחרות - תוך שימוש במבנה החזוי הזה, מסונתזת ונבדקה כל הדרך ולאחר מכן פורסמה בכתב עת גבוה - [נוכל] אז לחגוג."

הפארמה הגדולה רוצה לראות מולקולות שעוצבו בעזרת כלי בינה מלאכותית כמו AlphaFold שנבדקו בפועל בעכברים ובבני אדם. "הישגים אלגוריתמיים טהורים אינם בעלי ערך לחברות הפארמה ובמיוחד למטופלים", הוסיף ז'בורונקוב.

פאביו אורבינה, מדען בכיר ב-Colaboration Pharmaceuticals, סטארט-אפ המשתמש באלגוריתמים של למידת מכונה לפיתוח תרופות למחלות גנטיות נדירות, אמר ש-AlphaFold עדיין לא הוכיח את עצמו כמועיל במחקר שלו. Urbina משתמשת בטכניקה שונה ומתמקדת יותר במבנה של תרופה חדשה פוטנציאלית ולא בחלבון מטרה.

עדיין לא נראה אם ​​מבני החלבון יהיו שימושיים מספיק... כדי לעזור לנו לגלות תרופות פוטנציאליות חדשות למחלות נדירות

"זה מכמה סיבות; מבני החלבון עבור הרבה מטרות תרופות היו לרוב לא זמינות בקלות לשימוש החוקרים, ונראה שמידע על חלבון לא עזר למודלים המוקדמים של למידת מכונה לשפר את כוח הניבוי שלהם בפער משמעותי", אמר. הקופה.

"אני אופטימי בזהירות ש-AlphaFold בעצם 'פתרה' את הבעיה הראשונה, אבל עדיין לא נראה אם ​​מבני החלבון יהיו שימושיים מספיק עבור היישום שלנו במורד הזרם של שיפור כוח הניבוי של למידת מכונה כדי לעזור לנו לגלות תרופות פוטנציאליות חדשות למחלות נדירות. עם זאת, ראינו יותר ויותר מידע מבני חלבון נלקח בחשבון כחלק משיטות חדשות יותר של לימוד מכונה, וחשבנו לעשות את אותו הדבר".

הפיכת מסד נתונים עם כמעט כל מבני החלבון הידועים זמינים, כפי שהבטיחה DeepMind, פירושה שלעוד מדענים יהיו המשאבים להתנסות ולבנות מודלים חזקים יותר של AI, אמר Urbina. "אני אופטימי בזהירות, אבל עם כל ספריית מבני החלבון הזמינה, הייתי אומר שיש סיכוי טוב שמבני AlphaFold ישולבו בחלק מהמודלים שלנו ללמידה במכונה, ועשויים בסופו של דבר לעזור לנו לגלות טיפולים חדשים. ” ®