El "antepasado" de AlphaFold es el algoritmo AlphaGo, que comenzó a funcionar mejor que cualquier persona. Fuente: DeepMindLos desarrolladores de Deep Mind en los últimos años se han hecho famosos gracias a muchos de sus proyectos. En particular, enseñaron inteligencia artificial (su forma débil) para jugar Go, títulos clásicos de Atari y algunos otros juegos que la máquina "entiende". Ahora es el turno de estudios más serios: Deep Mind está cambiando gradualmente la especialización de la IA a la biología molecular.
Más específicamente, se enseña inteligencia artificial para predecir la estructura de una proteína basada en un fragmento de una secuencia de aminoácidos, estos ladrillos de la vida de la proteína. El proyecto en cuestión se llamó
AlphaFold . AI les enseñó a trabajar más rápido y con mayor precisión que los humanos gracias al entrenamiento basado en secuencias ensambladas por genetistas durante varios años.
En la competencia
Critical Assessment of Structure Prediction (CASP) , donde fue necesario predecir la estructura de la proteína, la inteligencia artificial de Deep Mind ocupó el primer lugar, convirtiéndose en el líder entre 98 participantes. AI logró predecir correctamente la estructura de 25 de 43 proteínas. En segundo lugar está el equipo que logró predecir correctamente la estructura de 3 de 43 proteínas. Durante la "competencia", a cada equipo se le envió un conjunto mensual de aminoácidos. Esto ha estado sucediendo durante varios meses. Los equipos, habiendo recibido todos los elementos, tuvieron que predecir la estructura de la proteína que componen estos aminoácidos. La estructura fue determinada previamente por los científicos, por lo que los organizadores tuvieron la respuesta correcta.
Para la ciencia, la investigación de este tipo es de suma importancia, ya que la proteína es la base de la vida. En consecuencia, prediciendo la estructura de la proteína, uno puede aprender a comprender muchas funciones y procesos biológicos. Vale la pena señalar que, en algunos casos, los científicos pasan años prediciendo la estructura de una proteína en particular. El problema es que el ADN generalmente tiene datos sobre secuencias de aminoácidos, pero no estructuras que forman cadenas de ellas.
El cuerpo humano contiene una gran cantidad de variedades de proteínas.
Según diversas estimaciones , puede alcanzar varios miles de millones. Estructuras de proteínas y aún más: el número describe un número con 300 ceros. La forma 3D de una proteína depende de muchos factores: la cantidad de aminoácidos, la longitud de la cadena, etc. La estructura espacial también está determinada por el papel que juega una proteína particular en el cuerpo humano.
Por ejemplo, las células del corazón se construyen usando proteínas, plegadas para que las moléculas de adrenalina que viajan a través del sistema circulatorio humano retrasen y aceleren los latidos del corazón. Casi cualquiera de las habilidades y capacidades del cuerpo depende de la forma de una proteína en particular, desde la contracción muscular hasta la visión.
Cuanto más compleja es la estructura de la proteína, más difícil es modelarla. Vale la pena señalar que algunas enfermedades consideradas como un problema del nuevo siglo son causadas por el plegamiento erróneo de las estructuras de proteínas. Tales enfermedades incluyen, entre otras, Alzheimer, enfermedad de Parkinson, fibrosis quística y enfermedad de Huntington.
Fuente: DeepMindComprender la estructura de las proteínas de cierto tipo creará reactivos que pueden influir activamente en estas proteínas. La liquidación del petróleo derramado o la creación de un plástico barato y en descomposición rápida se puede llamar un caso de usuario.
Según uno de los representantes de DeepMind, su estudio es un presagio de una nueva era. El trabajo es uno de los que resuelve los problemas fundamentales de la ciencia y la tecnología. Vale la pena señalar que los especialistas de DeepMind comenzaron a crear una nueva IA después de que su algoritmo AlphaGo ganó el juego en Lee Sedol, el campeón mundial.
Después de eso, la IA enseñó cómo jugar juegos de computadora que eran difíciles para las máquinas, incluida la venganza de Montezuma. Los desarrolladores dicen que su objetivo nunca fue obtener más puntos en ningún juego para mostrar la fuerza de su IA. El objetivo real es el desarrollo de algoritmos que puedan ayudar a una persona a resolver problemas de ciencia y tecnología, como la estructura de las proteínas y su predicción.
Los científicos pudieron enseñar a AlphaFold a determinar la distancia entre pares de aminoácidos, así como la configuración del enlace químico. El segundo paso fue encontrar la estructura más eficiente energéticamente de cada supuesta proteína. Ahora el algoritmo toma solo unas pocas horas para completar la tarea, mientras que las personas pasan meses o incluso años en lo mismo.