Στην εποχή των αλγορίθμων
Συστήματα τεχνητής νοημοσύνης της Google και της Meta πρωτοπορούν στην πρόβλεψη της δομής πρωτεϊνών.
- «Το μετρό καταστρέφει τη μοναδική πλατεία και μας διώχνει από τη γειτονιά» εξηγεί κάτοικος των Εξαρχείων στο in
- Το καλό κρασί δεν πουλάει πια και αυτός είναι ο λόγος
- Κλιμακώνεται η ένταση: Το Πακιστάν βομβάρδισε το Αφγανιστάν - Τουλάχιστον 46 νεκροί
- Φτιάχνοντας χριστουγεννιάτικα μπισκότα για τα παιδιά στη Γάζα
Στην αρχή του έτους η λονδρέζικη εταιρεία Deep Mind, η οποία ανήκει στην Google, κατέπληξε τον επιστημονικό κόσμο παρουσιάζοντας τα αποτελέσματα της αξιοποίησης του αλγορίθμου AlphaFold στην πρόβλεψη της δομής των πρωτεϊνών: η πρόβλεψη αφορούσε τη δομή 220 εκατομμυρίων πρωτεϊνών, οι οποίες αντιπροσωπεύουν όλες τις πρωτεΐνες που υπάρχουν στις τράπεζες δεδομένων και προέρχονται από πλήθος διαφορετικών οργανισμών. Με άλλα λόγια, χάρη στην τεχνητή νοημοσύνη οι ερευνητές της Deep Mind πέτυχαν (σε ελάχιστο χρόνο) να δημιουργήσουν τα τρισδιάστατα μοντέλα όλων των πρωτεϊνών οι οποίες είχαν συγκεντρωθεί στις τράπεζες δεδομένων ως αποτέλεσμα πολύχρονων εργασιών ενός τεράστιου αριθμού επιστημόνων απ’ όλο τον κόσμο.
Ενας άλλος τεχνολογικός γίγαντας, η Meta (πρώην Facebook), προέβλεψε στην αρχή της εβδομάδας τη δομή άλλων 617 εκατομμυρίων πρωτεϊνών προερχόμενων από βακτήρια, ιούς και άλλους μικροοργανισμούς. Μόνο που κανείς ποτέ δεν είχε καλλιεργήσει αυτούς τους μικροοργανισμούς και κανείς δεν είχε μελετήσει τις πρωτεΐνες τους. Ο αλγόριθμος της Meta, ο οποίος ονομάζεται ESMFold, σχεδιάστηκε ώστε να ανταποκρίνεται στο γεγονός ότι οι πρωτεΐνες ήταν άγνωστες. Στην πραγματικότητα η «πρώτη ύλη» για τη μελέτη ήταν ένα συνονθύλευμα από αλληλουχίες DNA προερχόμενες από περιβαλλοντικές πηγές (χώμα, αστικά λύματα), αλλά και από το ανθρώπινο δέρμα και το γαστρεντερικό σύστημα. Αρχικά ο αλγόριθμος χρειάστηκε να συμπληρώσει τα κενά στις αλληλουχίες DNA και στη συνέχεια να προβεί στην πρόβλεψη της δομής των πρωτεϊνών που κωδικοποιούνται από αυτές.
Τι σημαίνουν όμως στην πράξη όλα τα παραπάνω; Η δομή των πρωτεϊνών είναι σε άμεση συνάρτηση με τη λειτουργία τους. Ωστόσο, ο προσδιορισμός της δομής με κλασικές μεθόδους είναι μια πολύ χρονοβόρα διαδικασία. Το να μπορούν λοιπόν οι ερευνητές να γνωρίζουν (έστω και θεωρητικά) τη δομή των πρωτεϊνών που τους ενδιαφέρουν σε ελάχιστο χρόνο σημαίνει επιτάχυνση πολύτιμων ερευνών. Χαρακτηριστικό παράδειγμα είναι οι έρευνες που στοχεύουν στην ανάπτυξη εξειδικευμένων αντικαρκινικών φαρμάκων, τα οποία ακριβώς για να είναι εξειδικευμένα και να μην προκαλούν παρενέργειες θα πρέπει να προσδένονται μόνο σε πρωτεΐνες των καρκινικών κυττάρων.
Υπάρχει όμως και μια άλλη παράμετρος που αξίζει να αναφερθεί. Τα τεράστια μεγέθη δεδομένων τα οποία μπορούν να προκύψουν μόνο με τη διαμεσολάβηση της Τεχνητής Νοημοσύνης φέρνουν (αναγκαστικά;) έναν ιδιαίτερα επωφελή αέρα συνεργατικότητας: και οι δύο αλγόριθμοι (AlphaFold και ESMFold) είναι δωρεάν διαθέσιμοι για όλους, και αυτό είναι σχεδόν πρωτοφανές στον μάλλον ανταγωνιστικό κόσμο της επιστήμης.
Έντυπη έκδοση Το Βήμα
Ακολουθήστε το in.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις