Společnost již použila svou umělou inteligenci AlphaFold k vytvoření struktur pro lidský proteom (soubor proteinů v těle), kvasinky, ovocné mušky, myši a další organismy.
V prosinci 2020 společnost DeepMind překvapila svět biologie, když vyřešila 50 let starou velkou výzvu s nástrojem AlphaFold, který předpovídá strukturu proteinů. Minulý týden londýnská společnost zveřejnila veškeré podrobnosti o tomto nástroji a uvolnila jeho zdrojový kód.
Nyní firma oznámila, že pomocí své umělé inteligence předpověděla tvary téměř všech bílkovin v lidském těle a také tvary statisíců dalších bílkovin, které se vyskytují ve 20 nejrozšířenějších organismech, včetně kvasinek, ovocných mušek a myší. Tento průlom by mohl biologům z celého světa pomoci lépe porozumět nemocem a vyvinout nové léky.
Zajímavostí je, že proteom je početnější než genom. „Proteomika je komplexní vědecká disciplína, zabývající se studiem proteinů a jejich vlastností. Sleduje především struktury, funkce, množství v místě a čase a jejich vzájemné interakce,“ popisuje proteomiku Česká společnost pro biochemii a molekulární biologii.
Vědci chtějí zveřejnit struktury veškerých známých proteinů
Zatím databáze obsahuje 350 000 nově předpovězených proteinových struktur. DeepMind tvrdí, že v příštích měsících předpoví a zveřejní dalších více než 100 milionů struktur víceméně všech vědecky známých proteinů.
Znalost struktury proteinů je pro vědce zásadní. Foto: Se souhlasem společnosti DeepMind
„Skládání proteinů je problém, kterým jsem se zabýval více než 20 let,“ říká spoluzakladatel a generální ředitel společnosti DeepMind Demis Hassabis. „Byl to pro nás obrovský projekt. Řekl bych, že je to největší věc, kterou jsme zatím udělali. A je svým způsobem nejzajímavější, protože by měl mít největší dopad na svět mimo oblast umělé inteligence.“
Místo měsíců dny
Bílkoviny jsou tvořeny dlouhými svazky aminokyselin, které se splétají do složitých uzlů. Znalost tvaru uzlu bílkoviny může odhalit, co daná bílkovina dělá, což je klíčové pro pochopení fungování nemocí a vývoj nových léků – nebo pro identifikaci organismů, které mohou pomoci v boji proti znečištění a změně klimatu. Zjištění tvaru bílkoviny trvá v laboratoři týdny nebo měsíce. AlphaFold dokáže předpovědět tvar s přesností na atom za den nebo dva.
Nová databáze by měla biologům život ještě více usnadnit. AlphaFold by mohl být k dispozici pro výzkumné pracovníky, ale ne každý bude chtít software provozovat sám. „Je mnohem jednodušší jít a vzít strukturu z databáze než se ji snažit nasimulovat na vlastním počítači,“ zmiňuje David Baker z Institutu pro design proteinů na Washingtonské univerzitě, jehož laboratoř vytvořila vlastní nástroj pro předpovídání struktury proteinů nazvaný RoseTTAFold, založený na přístupu AlphaFold.
V posledních několika měsících Bakerův tým spolupracoval s biology, kteří se dříve zasekli na snaze zjistit tvar studovaných proteinů. „Je tu spousta zajímavých biologických výzkumů, které se v poslední době opravdu urychlily,“ říká. Ještě větším urychlením by měla být veřejná databáze obsahující stovky tisíc hotových tvarů proteinů.
„Vypadá to působivě,“ říká Tom Ellis, syntetický biolog z Imperial College v Londýně, který studuje genom kvasinek a je nadšený, že si databázi může vyzkoušet. „Upozorňuji však, že většina předpovězených tvarů ještě nebyla ověřena v laboratoři,“ dodává.
Předpověď s přesností na atomy
V nové verzi AlphaFold jsou předpovědi doplněny o skóre důvěryhodnosti, které nástroj používá k označení toho, jak blízko je podle něj každý předpovězený tvar skutečnému tvaru. Pomocí tohoto měřítka společnost DeepMind zjistila, že AlphaFold předpověděl tvary 36 % lidských proteinů s přesností, která je správná až na úroveň jednotlivých atomů. „To je dostatečně dobré pro vývoj léků,“ zmínil Hassabis pro MIT Technology Review.
Pro srovnání – po desetiletích práce se podařilo odborníkům v laboratoři určit strukturu pouze 17 % bílkovin v lidském těle. Pokud jsou předpovědi AlphaFold tak přesné, jak tvrdí společnost DeepMind, nástroj toto číslo během několika týdnů více než zdvojnásobil. Věda tak udělala ohromný krok kupředu.
Laboratorní zkoumání proteinů je mnohonásobně pomalejší. Přístup k databázi proteinů umožní vědcům mj. rychlejší vývoj léků. Foto: Pixabay
I předpovědi, které nejsou zcela přesné na atomární úrovni, jsou stále užitečné. Pro více než polovinu proteinů v lidském těle předpověděl AlphaFold tvar, který by měl vědcům stačit k tomu, aby zjistili funkci proteinu. Zbytek současných předpovědí AlphaFold je buď nesprávný, nebo se týká třetiny tzv. neuspořádaných proteinů v lidském těle, které nemají vůbec žádnou strukturu, dokud se nespojí s jinými.
„Skutečnost, že se dá AlphaFold použít na této úrovni kvality, je působivá,“ říká Mohammed AlQuraish, systémový biolog z Kolumbijské univerzity, který vyvinul vlastní software pro předpovídání struktury proteinů. Poukazuje také na to, že mít k dispozici struktury pro většinu proteinů v organismu umožní studovat, jak tyto proteiny fungují jako systém, nikoliv pouze izolovaně. „To považuji za nejzajímavější,“ říká.
DeepMind poskytuje své nástroje zdarma. Zatím…
Společnost DeepMind uvolňuje své nástroje a předpovědi zdarma a nechce říci, zda na nich plánuje v budoucnu vydělávat. Tuto možnost však nevylučuje. Při vytváření a provozování databáze spolupracuje DeepMind s Evropskou laboratoří molekulární biologie, mezinárodní výzkumnou institucí, která spravuje rozsáhlou databázi informací o proteinech.
AlQuraishi se podle svých slov nemůže dočkat, až uvidí, co výzkumníci s novými daty udělají. „Je to velkolepé,“ říká „Myslím, že nikdo z nás si nemyslel, že takových výsledků dosáhneme tak rychle. Je to ohromující.“
