Ένα σύστημα τεχνητής νοημοσύνης (AI) με την ονομασία “AlphaFold”, που αναπτύχθηκε από τη βρετανική εταιρεία “DeepMind”, θυγατρική της Google, έδωσε λύση σε ένα από τα μεγαλύτερα μυστήρια της βιολογίας που απασχολεί τους επιστήμονες εδώ και δεκαετίες. Αυτό το σύστημα τεχνητής νοημοσύνης (AI) μπορεί να προβλέπει γρήγορα και με ακρίβεια πώς θα αναδιπλωθούν οι πρωτεΐνες, ποιο τρισδιάστατο σχήμα θα πάρουν καθώς και ποια θα είναι η λειτουργία τους.
Πρόκειται για ένα επίτευγμα που χαρακτηρίσθηκε ορόσημο από τον επιστημονικό κόσμο, ενώ αναμένεται να βοηθήσει στην καλύτερη κατανόηση διαφόρων ασθενειών και στην επιτάχυνση της ανάπτυξης φαρμάκων για διάφορες ασθένειες, συμπεριλαμβανομένου του COVID-19. Άλλες ασθένειες στις οποίες θα επικεντρωθεί είναι η ελονοσία και η λεϊσμανίαση.
Ο Demis Hassabis, ιδρυτής και διευθύνων σύμβουλος της DeepMind, δήλωσε πως αυτό το επίτευγμα αποτελεί μία συναρπαστική στιγμή για τον επιστημονικό κλάδο, επισημαίνοντας πως αυτοί οι αλγόριθμοι γίνονται πλέον αρκετά ώριμοι και αρκετά ισχυροί ώστε να εφαρμόζονται σε πραγματικά προκλητικά επιστημονικά προβλήματα.
«Έμεινα πραγματικά έκθαμβος, όταν το είδα. Δεν περίμενα ποτέ να το δω όσο ζούσα», δήλωσε ο δομικός βιολόγος Dr. John Moult του Πανεπιστημίου του Μέριλαντ, ένας από τους διοργανωτές του διεθνούς επιστημονικού διαγωνισμού CASP (Critical Assessment of protein Structure Prediction), που ξεκίνησε το 2004 και γίνεται ανά διετία.
Οι δεκάδες χιλιάδες διαφορετικές πρωτεΐνες παίζουν ζωτικό ρόλο στην υγεία και στις ασθένειες του σώματος, καθώς τα κύτταρα φτιάχνονται από πρωτεΐνες, το πολύπλοκο σχήμα των οποίων παίζει σημαντικό ρόλο. Για παράδειγμα, ο Κορωνοϊός που προκαλεί τη νόσο COVID-19, διεισδύει στα ανθρώπινα κύτταρα, επειδή μια προεξέχουσα πρωτεΐνη-ακίδα που διαθέτει, ταιριάζει δομικά με μια πρωτεΐνη-υποδοχέα στα κύτταρα του ανθρώπινου οργανισμού.
Επιπλέον, το σχήμα κάθε πρωτεΐνης καθορίζεται από την αλληλουχία 20 διαφορετικών αμινοξέων, που σχηματίζουν αλυσίδες για να φτιάξουν τις πρωτεΐνες (για τη σχετική ανακάλυψη δόθηκε το 1972 το Νόμπελ στον Κρίστιαν ‘Ανφινσεν). Είναι εύκολο για τους βιολόγους να «διαβάσουν» αυτή την αλληλουχία, καθώς καθορίζεται από το DNA που την κωδικοποιεί, αλλά σχεδόν αδύνατο – παρά τις προσπάθειες μισού αιώνα περίπου – να προβλεφθεί το σχήμα μιας πρωτεΐνης με βάση τα δεκάδες ή εκατοντάδες αμινοξέα της.
Μέχρι σήμερα οι επιστήμονες καταφεύγουν σε πειραματικές τεχνικές, όπως η κρυσταλλογραφία ακτίνων-Χ, η μικροσκοπία κρυο-ηλεκτρονίων και η φασματοσκοπία MMR, που όμως είναι πάρα πολύ δύσκολες, καθώς χρειάζονται μήνες ή χρόνια και δεν δουλεύουν πάντα σωστά. Όμως το νέο σύστημα βαθιάς μάθησης AlphaFold, που άρχισε να δοκιμάζεται το 2018 και έκτοτε βελτιώθηκε σημαντικά, μπορεί πλέον να συσχετίσει κάθε αλληλουχία αμινοξέων με μια διαφορετική πρωτεϊνική δομή. Ωστόσο, αυτό το νέο σύστημα έχει και κάποια αδύναμα σημεία. Για παράδειγμα, δεν τα πηγαίνει τόσο καλά με τις πρωτεΐνες των οποίων η δομή επηρεάζεται από αλληλεπιδράσεις με άλλες πρωτεΐνες.
Όπως δήλωσε ο εξελικτικός βιολόγος Andrei Lupas του γερμανικού Ινστιτούτου Αναπτυξιακής Βιολογίας Μαξ Πλανκ, τα επόμενα λίγα χρόνια οι ερευνητές θα συνεχίσουν να ελέγξουν οι ίδιοι την ακρίβεια των προβλέψεων του AlphaFold, αλλά μετά θα εξαρτιούνται αποκλειστικά από τους υπολογισμούς της τεχνητής νοημοσύνης (AI). Όπως είπε, η πραγματική επανάσταση θα συμβεί, όταν πλέον οι επιστήμονες θα μπορούν να χρησιμοποιούν μόνο τους υπολογιστές για να προβλέπουν πώς οι πρωτεΐνες αλληλεπιδρούν με άλλα μόρια. Τόνισε μάλιστα πως αυτό θα αλλάξει τελείως το πρόσωπο της ιατρικής.
Αξίζει να σημειωθεί ότι ο αλγόριθμος AlphaFold ήδη προέβλεψε σωστά τα σχήματα αρκετών πρωτεϊνών του Κορωνοϊού SARS-CoV-2. Στο μέλλον ενδεχομένως να μπορεί να να προβλέπει ποια από τα χιλιάδες υπάρχοντα φάρμακα προσδένονται σωστά σε αυτές τις πρωτεΐνες, χωρίς να χρειάζεται οι επιστήμονες να κάνουν πανάκριβα και πολύπλοκα πειράματα.
Οι δημιουργοί του AlphaFold δεν έχουν αποκαλύψει πολλές λεπτομέρειες σχετικά με το σύστημά τους, ωστόσο δήλωσαν ότι σύντομα πρόκειται να κάνουν σχετική επιστημονική δημοσίευση. Τέλος, η DeepMind δεν έχει ακόμη διευκρινίσει με ποιον ακριβώς τρόπο οι επιστήμονες σε όλο τον κόσμο θα μπορούν να αξιοποιήσουν το νέο σύστημα, αλλά δεσμεύτηκε να διασφαλίσει ευρεία πρόσβαση.
