L '«ancêtre» d'AlphaFold est l'algorithme AlphaGo, qui a commencé à jouer mieux que n'importe qui. Source: DeepMindLes développeurs de Deep Mind au cours des deux dernières années sont devenus célèbres grâce à bon nombre de leurs projets. En particulier, ils ont appris à l'intelligence artificielle (sa forme faible) à jouer au Go, aux titres Atari classiques et à d'autres jeux difficiles à «comprendre» pour la machine. C'est maintenant le tour des études plus sérieuses - Deep Mind modifie progressivement la spécialisation de l'IA en biologie moléculaire.
Plus précisément, l'intelligence artificielle apprend à prédire la structure d'une protéine sur la base d'un fragment d'une séquence d'acides aminés - ces briques de vie protéique. Le projet en question s'appelait
AlphaFold . L'IA leur a appris à travailler plus rapidement et plus précisément que les humains grâce à une formation sur la base de séquences assemblées par des généticiens sur plusieurs années.
Dans le concours
Critical Assessment of Structure Prediction (CASP) , où il était nécessaire de prédire la structure de la protéine, l'intelligence artificielle Deep Mind a pris la première place, devenant le leader parmi 98 participants. L'IA a réussi à prédire correctement la structure de 25 des 43 protéines. En deuxième place, l'équipe a réussi à prédire correctement la structure de 3 des 43 protéines. Pendant la "compétition", chaque équipe a reçu un ensemble mensuel d'acides aminés. Cela se produit depuis plusieurs mois. Les équipes, ayant reçu tous les éléments, ont dû prévoir la structure de la protéine que constituent ces acides aminés. La structure a été préalablement déterminée par les scientifiques, les organisateurs ont donc eu la bonne réponse.
Pour la science, la recherche de ce type est d'une importance capitale, car la protéine est la base de la vie. En conséquence, en prédisant la structure de la protéine, on peut apprendre à comprendre de nombreuses fonctions et processus biologiques. Il convient de noter que dans certains cas, les scientifiques consacrent des années à prédire la structure d'une protéine particulière. Le problème est que l'ADN possède généralement des données sur les séquences d'acides aminés, mais pas sur les structures qui en forment des chaînes.
Le corps humain contient un grand nombre de variétés de protéines.
Selon diverses estimations , il peut atteindre plusieurs milliards. Structures protéiques et plus encore - le nombre décrit un nombre avec 300 zéros. La forme 3D d'une protéine dépend de nombreux facteurs - la quantité d'acides aminés, la longueur de la chaîne, etc. La structure spatiale est également déterminée par le rôle qu'une protéine particulière joue dans le corps humain.
Par exemple, les cellules cardiaques sont construites à l'aide de protéines, pliées de sorte que les molécules d'adrénaline qui voyagent à travers le système circulatoire humain retardent et accélèrent le rythme cardiaque. Presque toutes les capacités et capacités du corps dépendent de la forme d'une protéine particulière - de la contraction musculaire à la vision.
Plus la structure protéique est complexe, plus elle est difficile à modéliser. Il convient de noter que certaines maladies considérées comme un problème du nouveau siècle sont causées par un repliement erroné des structures protéiques. Ces maladies comprennent, mais sans s'y limiter, la maladie d'Alzheimer, la maladie de Parkinson, la fibrose kystique et la maladie de Huntington.
Source: DeepMindLa compréhension de la structure des protéines d'un certain type créera des réactifs qui peuvent influencer activement ces protéines. La liquidation de l'huile déversée ou la création d'un plastique peu coûteux et en décomposition rapide peut être qualifiée de cas d'utilisation.
Selon l' un des représentants de DeepMind, leur étude est un signe avant-coureur d'une nouvelle ère. Le travail est l'un de ceux qui résolvent les problèmes fondamentaux de la science et de la technologie. Il convient de noter que les spécialistes de DeepMind ont commencé à créer une nouvelle IA après que leur algorithme AlphaGo a remporté le match dans le Lee Sedol, le champion du monde.
Après cela, l'IA a appris à jouer à des jeux informatiques difficiles pour les machines, y compris la vengeance de Montezuma. Les développeurs disent que leur objectif n'était jamais d'obtenir plus de points dans un jeu pour montrer la force de leur IA. Le véritable objectif est le développement d'algorithmes qui peuvent aider une personne à résoudre des problèmes de science et de technologie, tels que la structure des protéines et sa prédiction.
Les scientifiques ont pu apprendre à AlphaFold à déterminer la distance entre les paires d'acides aminés, ainsi que la configuration de la liaison chimique. La deuxième étape consistait à trouver la structure la plus économe en énergie de chaque protéine putative. Maintenant, l'algorithme ne prend que quelques heures pour terminer la tâche - tandis que les gens passent des mois, voire des années sur la même chose.