L’intelligenza artificiale ha affrontato una delle sfide più fastidiose della natura

Per quasi 50 anni, gli scienziati hanno lottato per risolvere una delle sfide più confuse della natura: il ripiegamento delle proteine.

Ma quest’anno c’è stata una svolta importante: i ricercatori hanno dimostrato che i programmi basati sull’intelligenza artificiale possono prevedere migliaia di strutture proteiche minuscole. La scienza l’ha definita la svolta di quest’anno.

Due progetti hanno ricevuto credito: AlphaFold e RoseTTA-fold.

Ole Winther, professore di informatica alla DTU e di bioinformatica genetica all’Università di Copenaghen, comprende molto bene il premio. Perché è “un problema molto difficile”. E gli scienziati hanno impiegato molti anni, sì, circa 50 anni, per trovare un modo per prevedere le strutture tridimensionali delle proteine.

– Questo è un vero hack. C’è stato molto clamore intorno all’intelligenza artificiale, all’apprendimento automatico e al deep learning negli ultimi cinque-dieci anni. Ma questa è la prima volta che l’IA dà un contributo così significativo a una svolta scientifica, afferma Winther.

L’entusiasmo è condiviso da Daniel Utzen, che sta ricercando il ripiegamento, il misfolding e l’assemblaggio delle proteine ​​presso iNANO dell’Università di Aarhus.

– È pienamente giustificato. AlphaFold e RoseTTA-fold hanno imparato a utilizzare strutture conosciute – fino a 100.000 – per essere in grado di trovare schemi e prevedere quasi tutte le altre proteine. Hanno costruito un’enorme quantità di lavoro sperimentale negli ultimi 50 anni, dice Utzen, che lo ha fatto anche lui. ha scritto un articolo di ricerca Su AlphaFold e RoseTTA-fold in J. Mol. Biol.

Le proteine ​​sono molto importanti

Le proteine ​​sono il prodotto delle cellule. Trasportano ossigeno, molecole per svolgere tutti i tipi di compiti e assicurano che avvengano reazioni chimiche in modo che possiamo trasformare il cibo in energia. Inoltre, costruiscono nuove sostanze nelle cellule e aiutano le cellule a riprodursi. Lo spiega Daniel Utzen.

– Fanno tutto l’immaginabile e anche di più. La ragione di ciò è che la maggior parte delle persone ha una certa struttura 3D. Dice che le macro sono composte da 20 diversi amminoacidi che hanno diverse proprietà fisico-chimiche.

Il trucco è che le proteine ​​sono costituite da sequenze di residui di amminoacidi combinati in un ordine specifico. Solo 20 amminoacidi naturali sono raggruppati in così tante combinazioni – in un numero infinito di possibili catene proteiche.

L’esatta struttura della disposizione determina se e come le proteine ​​si dispiegano come una particolare struttura.

La struttura è ciò che chiamiamo la base dell’attività. La struttura fornisce funzionalità. I ricercatori hanno lavorato su questo da quando è diventato chiaro che le proteine ​​hanno determinate strutture, dice Utzen.

Uno dei santi graal della biologia

Il ripiegamento delle proteine ​​riguarda la capacità di prevedere la struttura tridimensionale di una proteina da una singola sequenza di amminoacidi. È uno dei tanti santi graal della biologia, secondo Ole Winther.

La forma e la struttura delle proteine ​​sono fondamentali per la maggior parte dei processi nel corpo umano, ma le strutture proteiche non sono solo necessarie per comprendere i fenomeni biologici, spiega.

Possiamo usare il ripiegamento delle proteine ​​per capire la biologia. La biologia riguarda il funzionamento delle proteine. Hanno una struttura e alcune parti siedono sulla superficie e interagiscono con altre proteine, molecole e DNA. Ora puoi prevedere. Ci offre strumenti migliori per progettare e comprendere i processi biologici, spiega Winther.

penetrazione su due fronti

Secondo la scienza, c’è una svolta su due fronti:

Innanzitutto, risolve un problema scientifico di 50 anni fa. In secondo luogo, è una tecnologia innovativa che accelererà la scoperta scientifica.

Il caporedattore di Science, H.

Una volta, determinare la struttura di una proteina in laboratorio era un processo lungo e costoso.

I modelli computazionali del ripiegamento delle proteine ​​sono in sviluppo da decenni, ma inizialmente hanno lavorato con AlphaFold e Rosetta, che sono presenti in articoli su Nature e Science.

DeepMind ha rivoluzionato la competizione CASP

Entrambi i progetti hanno partecipato al concorso CASP. CASP sta per Critical Evaluation of Structure Prediction. Ogni due anni dal 1994, ha misurato la temperatura della capacità dei ricercatori di ripiegare le proteine ​​tramite un computer. Si è fatto avanti, ma è stato solo nel 2018 che è successo qualcosa che ha attirato l’attenzione.

Nel 2018, DeepMind, di proprietà di Google, è entrata per la prima volta nella competizione con il suo sistema AlphaFold. Ole Winther pensa che sia stato visto come un enorme passo avanti.

– Nel 2020 è arrivato AlphaFold2, che secondo gli standard CASP si può dire di aver risolto il problema del ripiegamento delle proteine, spiega Wenther.

Potrebbe eventualmente essere utilizzato per progettare molecole e quindi contribuire a rivoluzionare la medicina.

L’effetto potrebbe essere maggiore del previsto

Tuttavia, il metodo DeepMind può rivelarsi avere un impatto ancora maggiore sul modo in cui si effettua la ricerca, e la domanda è se il mondo della ricerca è pronto a liberare questo potenziale. Libri invernali articolo A proposito di questo in Danish Science News nel marzo 2021.

Ora il computer può calcolare la forma delle proteine ​​purché tu abbia la sequenza. La classifica è facile da trovare. Daniel Utzen spiega che ogni volta che si sequenzia il coronavirus, ad esempio, si trova la sequenza delle proteine.

DeepMind ha utilizzato l’enorme potenza di calcolo di Google e l’ha combinata con metodi smart grid per analizzare le strutture. E all’improvviso, sapevano più precisamente come apparivano le strutture proteiche.

Almeno come RoseTTA

Anche RoseTTA-fold ha partecipato al concorso. All’inizio erano molto bravi, ma si sono bloccati in certi modi: hanno preso piccoli frammenti di proteine ​​e li hanno messi insieme nelle loro previsioni, spiega Ole Winther.

DeepMind era molto meglio, ma ha pubblicato il metodo solo in una bozza. Rosta era impegnato a capire cosa stesse facendo DeepMind. È stata una corsa contro il tempo, spiega Winther.

Nella stessa settimana descritta da DeepMind A modo loro nella rivista Nature, Ho ottenuto Sin Rosta Articolo di scienza.

Tuttavia, anche Daniel Otzen è molto impressionato da RoseTTA.

Questi due concorrenti utilizzano la stessa tecnologia. AlphaFold merita il merito di essere il primo. Ma RoseTTA ci è riuscita senza accedere a un’enorme potenza di calcolo. Quindi sono almeno un importatore su RoseTTA, conferma.

nuovo mondo

Stiamo entrando in un “nuovo mondo della medicina”, afferma Ole Winther.

Le aziende farmaceutiche hanno a lungo esaminato manualmente come alcuni potenziali farmaci potrebbero accedere alle proteine. Questo è più facile ora.

Ci sono molti processi che possiamo automatizzare, dice Winter.

Cambierà molto nel modo in cui vengono realizzati i farmaci e come vengono realizzati i materiali. Aggiunge che tutti questi metodi di intelligenza artificiale cambieranno davvero molto nella scienza e nella tecnologia.

Daniel Utzen è d’accordo.

– Ci siamo avvicinati un po’. La nostra conoscenza del mondo che ci circonda è cambiata. Dice che permeerà la nostra intuizione e conoscenza nella prossima volta.

Riferimenti:

Holden Thorpe: Le proteine ​​e le proteine ​​sono ovunque. Scienza (editoriale), 2021. DOI: 10.1126 / science.abn5795

John Jumper e altri: Previsione della struttura proteica ad alta risoluzione utilizzando AlphaFold. temperamento natura, 2021. DOI: 10.1038/s41586-021-03819-2

Minkyung Baek mfl: previsione accurata delle strutture e delle interazioni proteiche utilizzando una rete neurale a tre percorsi. Scienza, 2021. (Astratto) DOI: 10.1126 / science.abj8754

© Videnskab.dk. Tradotto da Lars Nygaard per forskning.no. Leggi lo stato originale su videnskab.dk qui.