Deep Mind lehrte seine KI, die Proteinstruktur vorherzusagen

Der "Vorfahr" von AlphaFold ist der AlphaGo-Algorithmus, der besser zu spielen begann als jede andere Person. Quelle: DeepMind

Die Entwickler von Deep Mind sind in den letzten Jahren dank vieler ihrer Projekte berühmt geworden. Insbesondere lehrten sie künstliche Intelligenz (ihre schwache Form), Go, klassische Atari-Titel und einige andere Spiele zu spielen, die für die Maschine schwer zu „verstehen“ sind. Jetzt sind ernstere Studien an der Reihe - Deep Mind ändert allmählich die Spezialisierung der KI auf die Molekularbiologie.

Insbesondere wird künstliche Intelligenz gelehrt, um die Struktur eines Proteins basierend auf einem Fragment einer Sequenz von Aminosäuren - diesen Bausteinen des Proteinlebens - vorherzusagen. Das fragliche Projekt hieß AlphaFold . Die KI brachte ihnen bei, schneller und genauer als Menschen zu arbeiten, dank des Trainings auf der Grundlage von Sequenzen, die von Genetikern über mehrere Jahre hinweg zusammengestellt wurden.

Im CASP- Wettbewerb (Critical Assessment of Structure Prediction) , bei dem die Struktur des Proteins vorhergesagt werden musste, belegte die künstliche Intelligenz von Deep Mind den ersten Platz und wurde unter 98 Teilnehmern führend. AI konnte die Struktur von 25 von 43 Proteinen korrekt vorhersagen. An zweiter Stelle steht das Team, das es geschafft hat, die Struktur von 3 von 43 Proteinen korrekt vorherzusagen. Während des "Wettbewerbs" erhielt jedes Team einen monatlichen Satz Aminosäuren. Dies geschieht seit mehreren Monaten. Nachdem die Teams alle Elemente erhalten hatten, mussten sie die Struktur des Proteins vorhersagen, aus dem diese Aminosäuren bestehen. Die Struktur wurde zuvor von Wissenschaftlern festgelegt, sodass die Organisatoren die richtige Antwort hatten.

Für die Wissenschaft ist Forschung dieser Art von größter Bedeutung, da Protein die Grundlage des Lebens ist. Wenn man die Struktur des Proteins vorhersagt, kann man dementsprechend lernen, viele biologische Funktionen und Prozesse zu verstehen. Es ist erwähnenswert, dass Wissenschaftler in einigen Fällen Jahre damit verbringen, die Struktur eines bestimmten Proteins vorherzusagen. Das Problem ist, dass DNA normalerweise Daten zu Aminosäuresequenzen enthält, jedoch keine Strukturen, die Ketten davon bilden.

Der menschliche Körper enthält eine Vielzahl von Proteinsorten. Nach verschiedenen Schätzungen kann es mehrere Milliarden erreichen. Proteinstrukturen und noch mehr - die Zahl beschreibt eine Zahl mit 300 Nullen. Die 3D-Form eines Proteins hängt von vielen Faktoren ab - der Menge an Aminosäuren, der Kettenlänge usw. Die räumliche Struktur wird auch durch die Rolle bestimmt, die ein bestimmtes Protein im menschlichen Körper spielt.

Zum Beispiel werden Herzzellen aus Protein aufgebaut, das so gefaltet ist, dass die Adrenalinmoleküle, die sich durch das menschliche Kreislaufsystem bewegen, verzögert werden und den Herzschlag beschleunigen. Fast alle Fähigkeiten und Fertigkeiten des Körpers hängen von der Form eines bestimmten Proteins ab - von der Muskelkontraktion bis zum Sehen.

Je komplexer die Proteinstruktur ist, desto schwieriger ist die Modellierung. Es ist erwähnenswert, dass einige Krankheiten, die als Problem des neuen Jahrhunderts angesehen werden, durch eine fehlerhafte Faltung der Proteinstrukturen verursacht werden. Solche Krankheiten umfassen, ohne darauf beschränkt zu sein, Alzheimer, Parkinson, Mukoviszidose und Huntington-Krankheit.


Quelle: DeepMind

Durch das Verständnis der Struktur von Proteinen eines bestimmten Typs entstehen Reagenzien, die diese Proteine ​​aktiv beeinflussen können. Die Liquidation von verschüttetem Öl oder die Schaffung eines kostengünstigen, schnell zerfallenden Kunststoffs kann als Anwenderfall bezeichnet werden.

Laut einem Vertreter von DeepMind ist ihre Studie ein Vorbote einer neuen Ära. Die Arbeit ist eine von denen, die die grundlegenden Probleme von Wissenschaft und Technologie lösen. Es ist erwähnenswert, dass DeepMind-Spezialisten damit begannen, eine neue KI zu erstellen, nachdem ihr AlphaGo-Algorithmus das Spiel in Lee Sedol, dem Weltmeister, gewonnen hatte.

Danach brachte die KI bei, wie man Computerspiele spielt, die für Maschinen schwierig waren, einschließlich Montezumas Rache. Die Entwickler sagen, ihr Ziel sei es nie gewesen, in einem Spiel mehr Punkte zu sammeln, um die Stärke ihrer KI zu demonstrieren. Das eigentliche Ziel ist die Entwicklung von Algorithmen, die einer Person bei der Lösung wissenschaftlicher und technologischer Probleme wie der Struktur von Proteinen und ihrer Vorhersage helfen können.

Wissenschaftler konnten AlphaFold beibringen, den Abstand zwischen Aminosäurepaaren sowie die Konfiguration der chemischen Bindung zu bestimmen. Der zweite Schritt bestand darin, die energieeffizienteste Struktur jedes mutmaßlichen Proteins zu finden. Jetzt dauert der Algorithmus nur noch wenige Stunden, um die Aufgabe zu erledigen - während die Leute Monate oder sogar Jahre mit der gleichen Sache verbringen.