O "ancestral" do AlphaFold é o algoritmo AlphaGo, que começou a funcionar melhor do que qualquer pessoa. Fonte: DeepMindOs desenvolvedores do Deep Mind nos últimos dois anos se tornaram famosos graças a muitos de seus projetos. Em particular, eles ensinaram inteligência artificial (sua forma fraca) a jogar Go, títulos clássicos da Atari e alguns outros jogos difíceis de entender pela máquina. Agora é a vez de estudos mais sérios - a Deep Mind está gradualmente mudando a especialização da IA para a biologia molecular.
Mais especificamente, a inteligência artificial é ensinada a prever a estrutura de uma proteína com base em um fragmento de uma sequência de aminoácidos - esses tijolos da vida da proteína. O projeto em questão foi chamado
AlphaFold . A IA os ensinou a trabalhar com mais rapidez e precisão do que os humanos, graças ao treinamento com base em sequências reunidas por geneticistas ao longo de vários anos.
Na competição
Critical Assessment of Structure Prediction (CASP) , onde era necessário prever a estrutura da proteína, a inteligência artificial Deep Mind ficou em primeiro lugar, tornando-se líder entre 98 participantes. A IA conseguiu prever corretamente a estrutura de 25 das 43 proteínas. Em segundo lugar, está a equipe que conseguiu prever corretamente a estrutura de 3 das 43 proteínas. Durante a "competição", cada equipe recebeu um conjunto mensal de aminoácidos. Isso vem acontecendo há vários meses. As equipes, tendo recebido todos os elementos, tiveram que prever a estrutura da proteína que esses aminoácidos compõem. A estrutura foi previamente determinada pelos cientistas, para que os organizadores tivessem a resposta certa.
Para a ciência, pesquisas desse tipo são de suma importância, uma vez que a proteína é a base da vida. Assim, prevendo a estrutura da proteína, pode-se aprender a entender muitas funções e processos biológicos. Vale a pena notar que, em alguns casos, os cientistas gastam anos prevendo a estrutura de uma proteína específica. O problema é que o DNA geralmente possui dados sobre sequências de aminoácidos, mas não estruturas que formam cadeias delas.
O corpo humano contém um grande número de variedades de proteínas.
Segundo várias estimativas , pode chegar a vários bilhões. Estruturas de proteínas e muito mais - o número descreve um número com 300 zeros. A forma 3D de uma proteína depende de muitos fatores - a quantidade de aminoácidos, o comprimento da cadeia, etc. A estrutura espacial também é determinada pelo papel que uma determinada proteína desempenha no corpo humano.
Por exemplo, as células cardíacas são construídas usando proteínas dobradas para que as moléculas de adrenalina que viajam pelo sistema circulatório humano sejam atrasadas e acelerem os batimentos cardíacos. Quase todas as habilidades e capacidades do corpo dependem da forma de uma proteína específica - da contração muscular à visão.
Quanto mais complexa a estrutura da proteína, mais difícil é modelar. Vale ressaltar que algumas doenças consideradas um problema do novo século são causadas pelo dobramento incorreto das estruturas de proteínas. Tais doenças incluem, mas não estão limitadas a, Alzheimer, doença de Parkinson, fibrose cística e doença de Huntington.
Fonte: DeepMindCompreender a estrutura de proteínas de um determinado tipo criará reagentes que podem influenciar ativamente essas proteínas. A liquidação do óleo derramado ou a criação de um plástico barato e em decomposição rápida pode ser chamada de caso do usuário.
Segundo um dos representantes do DeepMind, o estudo deles é um indicador de uma nova era. O trabalho é um daqueles que resolvem os problemas fundamentais da ciência e da tecnologia. Vale ressaltar que os especialistas do DeepMind começaram a criar uma nova IA após o algoritmo AlphaGo vencer o jogo no Lee Sedol, campeão mundial.
Depois disso, a IA ensinou como jogar jogos de computador difíceis para máquinas, incluindo a Vingança de Montezuma. Os desenvolvedores dizem que seu objetivo nunca foi conseguir mais pontos em qualquer jogo para mostrar a força de sua IA. O objetivo real é o desenvolvimento de algoritmos que podem ajudar uma pessoa a resolver problemas de ciência e tecnologia, como a estrutura das proteínas e sua previsão.
Os cientistas foram capazes de ensinar o AlphaFold a determinar a distância entre pares de aminoácidos, bem como a configuração da ligação química. O segundo passo foi encontrar a estrutura com maior eficiência energética de cada proteína putativa. Agora, o algoritmo leva apenas algumas horas para concluir a tarefa - enquanto as pessoas passam meses ou até anos na mesma coisa.