warta

Lasker Basic Medical Research Award taun ieu dileler ka Demis Hassabis jeung John Jumper pikeun kontribusina kana kreasi sistem kecerdasan jieunan AlphaFold nu ngaramal struktur tilu diménsi protéin dumasar kana urutan urutan kahiji asam amino.

Hasilna ngarengsekeun masalah anu parantos lami ngaganggu masarakat ilmiah sareng muka panto pikeun ngagancangkeun panalungtikan dina widang biomedis. Protéin maénkeun peran pivotal dina ngembangkeun kasakit: dina Panyakit Alzheimer, aranjeunna melu tur ngumpul babarengan; Dina kanker, fungsi pangaturan maranéhna leungit; Dina gangguan métabolik inborn, aranjeunna dysfunctional; Dina fibrosis kistik, aranjeunna lebet kana rohangan anu salah dina sél. Ieu ngan ukur sababaraha tina seueur mékanisme anu nyababkeun panyakit. Model struktur protéin lengkep bisa nyadiakeun konfigurasi atom, ngajalankeun desain atawa pilihan molekul-afinitas tinggi, sarta ngagancangkeun kapanggihna ubar.

Struktur protéin umumna ditangtukeun ku kristalografi sinar-X, résonansi magnetik nuklir sareng mikroskop cryo-éléktron. Métode ieu mahal sareng nyéépkeun waktos. Hal ieu nyababkeun basis data struktur protéin 3D anu aya kalayan ngan ukur 200,000 data struktural, sedengkeun téknologi pangurutan DNA parantos ngahasilkeun langkung ti 8 juta sekuen protéin. Dina taun 1960-an, Anfinsen et al. manggihan yén runtuyan 1D asam amino bisa spontaneously tur repeatably ngalipet kana konformasi tilu diménsi fungsional (Gambar 1A), sarta yén molekular "chaperones" bisa ngagancangkeun tur mempermudah proses ieu. Observasi ieu ngakibatkeun tangtangan 60 taun dina biologi molekular: ngaramal struktur 3D protéin tina sekuen 1D asam amino. Kalayan kasuksésan Proyék Génom Manusa, kamampuan urang pikeun kéngingkeun sekuen asam amino 1D parantos ningkat pisan, sareng tantangan ieu janten langkung mendesak.

Ngaramal struktur protéin hese pikeun sababaraha alesan. Kahiji, sakabéh mungkin posisi tilu diménsi unggal atom dina unggal asam amino merlukeun loba eksplorasi. Kadua, protéin ngagunakeun maksimal komplementaritas dina struktur kimiana pikeun éfisién ngonpigurasikeun atom. Kusabab protéin biasana mibanda ratusan beungkeut hidrogén "donor" (biasana oksigén) nu kudu deukeut jeung beungkeut hidrogén "acceptor" (biasana nitrogén kabeungkeut hidrogén), bisa jadi hésé pisan pikeun manggihan konformasi dimana ampir unggal donor deukeut ka akséptor. Katilu, aya conto kawates pikeun latihan métode ékspérimén, ku kituna perlu ngartos poténsi interaksi tilu diménsi antara asam amino dina dasar runtuyan 1D ngagunakeun informasi ngeunaan évolusi protéin relevan.

Fisika mimiti dipaké pikeun model interaksi atom dina pilarian pikeun konformasi pangalusna, sarta metoda dikembangkeun pikeun ngaduga struktur protéin. Karplus, Levitt sareng Warshel dilélér Hadiah Nobel Kimia 2013 pikeun karyana dina simulasi komputasi protéin. Tapi, métode dumasar-fisika mahal sacara komputasi sareng ngabutuhkeun pamrosésan perkiraan, janten struktur tilu diménsi anu tepat henteu tiasa diprediksi. Pendekatan "dumasar-pangaweruh" anu sanés nyaéta ngagunakeun pangkalan data tina struktur sareng sekuen anu dipikanyaho pikeun ngalatih modél ngaliwatan kecerdasan jieunan sareng pembelajaran mesin (AI-ML). Hassabis sareng Jumper ngalarapkeun unsur fisika sareng AI-ML, tapi inovasi sareng kabisat dina pagelaran pendekatan utamina asalna tina AI-ML. Dua panalungtik sacara kreatif ngahijikeun database umum anu ageung sareng sumber komputasi kelas industri pikeun nyiptakeun AlphaFold.

Kumaha urang terang aranjeunna "ngarengsekeun" teka-teki prediksi struktural? Dina 1994, kompetisi Penilaian Kritis Prediksi Struktur (CASP) diadegkeun, anu nyumponan unggal dua taun pikeun ngalacak kamajuan prediksi struktural. Panaliti bakal ngabagi sekuen 1D protéin anu strukturna nembé direngsekeun, tapi hasilna henteu acan diterbitkeun. Prediktor ngaramal struktur tilu diménsi ngagunakeun runtuyan 1D ieu, sarta evaluator bebas nangtoskeun kualitas hasil diprediksi ku ngabandingkeun kana struktur tilu diménsi disadiakeun ku experimentalist (disadiakeun ukur keur evaluator). CASP ngalaksanakeun ulasan buta leres sareng ngarékam luncat kinerja périodik pakait sareng inovasi metodologis. Dina Konperénsi CASP ka-14 di 2020, hasil prediksi AlphaFold nunjukkeun kabisat sapertos kitu ku panitia ngumumkeun yén masalah prediksi struktur 3D parantos direngsekeun: akurasi sabagéan ageung prediksi caket sareng pangukuran ékspérimén.

Pentingna anu langkung lega nyaéta karya Hassabis sareng Jumper sacara ngayakinkeun nunjukkeun kumaha AI-ML tiasa ngarobih élmu. Panalitian nunjukkeun yén AI-ML tiasa ngawangun hipotesis ilmiah anu kompleks tina sababaraha sumber data, yén mékanisme perhatian (sarupa sareng anu aya dina ChatGPT) tiasa mendakan katergantungan konci sareng korelasi dina sumber data, sareng AI-ML tiasa nangtoskeun diri kualitas hasil kaluaranna. AI-ML dasarna ngalakukeun élmu.