"Nenek moyang" dari AlphaFold adalah algoritma AlphaGo, yang mulai bermain lebih baik daripada siapa pun. Sumber: DeepMindPengembang dari Deep Mind selama beberapa tahun terakhir telah menjadi terkenal berkat banyak proyek mereka. Secara khusus, mereka mengajarkan kecerdasan buatan (bentuknya yang lemah) untuk bermain Go, Atari-judul klasik dan beberapa permainan lain yang sulit bagi mesin untuk "dipahami". Sekarang giliran studi yang lebih serius - Deep Mind secara bertahap mengubah spesialisasi AI menjadi biologi molekuler.
Lebih khusus lagi, kecerdasan buatan diajarkan untuk memprediksi struktur protein berdasarkan fragmen urutan asam amino - batu bata kehidupan protein ini. Proyek tersebut disebut
AlphaFold . AI mengajarkan mereka untuk bekerja lebih cepat dan lebih akurat daripada manusia berkat pelatihan berdasarkan urutan yang dikumpulkan oleh ahli genetika selama beberapa tahun.
Dalam kompetisi
Critical Assessment of Structure Prediction (CASP) , di mana diperlukan untuk memprediksi struktur protein, kecerdasan buatan Deep Mind mengambil tempat pertama, menjadi pemimpin di antara 98 peserta. AI berhasil memprediksi struktur 25 dari 43 protein dengan benar. Di tempat kedua adalah tim yang berhasil memprediksi struktur 3 dari 43 protein dengan benar. Selama "kompetisi" setiap tim dikirim satu set asam amino bulanan. Ini telah terjadi selama beberapa bulan. Tim, setelah menerima semua elemen, harus memprediksi struktur protein yang membentuk asam amino ini. Struktur tersebut sebelumnya ditentukan oleh para ilmuwan, sehingga penyelenggara memiliki jawaban yang tepat.
Bagi ilmu pengetahuan, penelitian semacam ini sangat penting, karena protein adalah dasar kehidupan. Dengan demikian, memprediksi struktur protein, seseorang dapat belajar untuk memahami banyak fungsi dan proses biologis. Perlu dicatat bahwa dalam beberapa kasus, para ilmuwan menghabiskan waktu bertahun-tahun untuk memprediksi struktur protein tertentu. Masalahnya adalah bahwa DNA biasanya memiliki data tentang urutan asam amino, tetapi bukan struktur yang membentuk rantai mereka.
Tubuh manusia mengandung sejumlah besar varietas protein.
Menurut berbagai perkiraan , bisa mencapai beberapa miliar. Struktur protein dan bahkan lebih - jumlahnya menggambarkan angka dengan 300 nol. Bentuk 3D protein tergantung pada banyak faktor - jumlah asam amino, panjang rantai, dll. Struktur spasial juga ditentukan oleh peran protein tertentu dalam tubuh manusia.
Misalnya, sel-sel jantung dibangun menggunakan protein, dilipat sehingga molekul adrenalin yang berjalan melalui sistem peredaran darah manusia menunda dan mempercepat detak jantung. Hampir semua kemampuan dan kemampuan tubuh tergantung pada bentuk protein tertentu - mulai dari kontraksi otot hingga penglihatan.
Semakin kompleks struktur protein, semakin sulit modelnya. Perlu dicatat bahwa beberapa penyakit yang dianggap sebagai masalah abad baru disebabkan oleh lipatan struktur protein yang salah. Penyakit-penyakit tersebut termasuk, tetapi tidak terbatas pada, Alzheimer, penyakit Parkinson, cystic fibrosis, dan penyakit Huntington.
Sumber: DeepMindMemahami struktur protein dari jenis tertentu akan membuat reagen yang secara aktif dapat mempengaruhi protein ini. Likuidasi minyak yang tumpah atau pembuatan plastik yang murah dan cepat membusuk dapat disebut kasus pengguna.
Menurut salah satu perwakilan DeepMind, studi mereka adalah pertanda era baru. Karya ini adalah salah satu yang memecahkan masalah mendasar baik sains dan teknologi. Perlu dicatat bahwa spesialis DeepMind mulai membuat AI baru setelah algoritma AlphaGo mereka memenangkan pertandingan di Lee Sedol, juara dunia.
Setelah itu, AI mengajarkan cara bermain game komputer yang sulit bagi mesin, termasuk Montezuma's Revenge. Para pengembang mengatakan tujuan mereka adalah tidak pernah mendapatkan poin lebih banyak dalam game apa pun untuk menunjukkan kekuatan AI mereka. Tujuan sebenarnya adalah pengembangan algoritma yang dapat membantu seseorang dalam memecahkan masalah sains dan teknologi, seperti struktur protein dan prediksinya.
Para ilmuwan mampu mengajarkan AlphaFold untuk menentukan jarak antara pasangan asam amino, serta konfigurasi ikatan kimia. Langkah kedua adalah menemukan struktur paling efisien energi dari setiap protein diduga. Sekarang algoritma hanya membutuhkan beberapa jam untuk menyelesaikan tugas - sementara orang menghabiskan berbulan-bulan atau bahkan bertahun-tahun untuk hal yang sama.