AlphaFold: Τεχνητή νοημοσύνη της Google «φέρνει επανάσταση» στην ανακάλυψη φαρμάκων

Η αρχή έγινε το 2020, όταν το σύστημα AlphaFold άφησε άφωνους τους επιστήμονες με την ικανότητά του να προβλέπει πώς λειτουργούν οι πρωτεΐνες. Ήταν η επιστημονική είδηση της χρονιάς, σύμφωνα με το περιοδικό Science.

Τώρα, η τεχνητή νοημοσύνη της DeepMind, λονδρέζικης εταιρείας που ανήκει πλέον στη Google, πηγαίνει ένα βήμα παραπέρα: η νέα έκδοση μπορεί πλέον να προβλέπει τις αλληλεπιδράσεις πρωτεϊνών με άλλα μόρια, όπως το DNA και το RNA, μια δυνατότητα που αναμένεται να αξιοποιηθεί ευρέως στον σχεδιασμό νέων φαρμάκων.

Κι αυτό επειδή το σύστημα ΑΙ κάνει σε λίγα λεπτά αυτό που οι βιολόγοι χρειάζονταν μέχρι σήμερα μήνες ή χρόνια για να πετύχουν.

Η νέα βερσιόν που παρουσιάζεται στο Nature «είναι απλά επαναστατική» σχολίασε στον δικτυακό τόπο του περιοδικού ο Φρανκ Ούλμαν, βιοχημικός του Ινστιτούτου «Φράνσις Κρικ» στο Λονδίνο, ο οποίος είχε την ευκαιρία να δοκιμάσει το Alpha Fold3.

Οι ερευνητές θα μπορούν να ανεβάζουν αλληλουχίες πρωτεϊνών και λίστες βιομορίων με τα οποία αλληλεπιδρούν αυτές οι πρωτεΐνες. Τα αποτελέσματα εμφανίζονται μέσα σε λίγα λεπτά.

«Είμαι σίγουρος ότι κάθε ερευνητική ομάδα δομικής βιολογίας και βιοχημείας πρωτεϊνών θα υιοθετήσουν αμέσως στο σύστημα» δήλωσε στο περιοδικό Science ο Τζούλιεν Μπέρτζερον, βιολόγος του King’s College στο Λονδίνο.

Δομή και λειτουργία

Τίποτα δεν λειτουργεί σωστά στα κύτταρα χωρίς τις πρωτεΐνες, μακριές αλυσίδες από αμινοξέα που αναδιπλώνονται σε περίπλοκα, τρισδιάστατα σχήματα. Το σχήμα κάθε πρωτεΐνης είναι αυτό που καθορίζει τον τρόπο που δρα, είτε πρόκειται για δομικές πρωτεΐνες είτε για ενζυματικές πρωτεΐνες που ρυθμίζουν τον μεταβολισμό.

Γι’ αυτό και η δυνατότητα πρόβλεψης της δομής τους αναμένεται να παίξει σημαντικό ρόλο στη βιολογία, τη βιοχημεία και τελικά την ανάπτυξη φαρμάκων και θεραπειών.

Μοντέλο της πρωτεΐνης-ακίδας του κοροναϊού SARS-CoV-2. Το σχήμα της τής επιτρέπει να συνδέεται στα ανθρώπινα κύτταρα όπως το κλειδί στην κλειδαριά (US NIAID)

Μέχρι πρόσφατα όμως, η τρισδιάστατη δομή τους μπορούσε να υπολογιστεί μόνο με απαιτητικές και άκρως χρονοβόρες μεθόδους όπως η κρυσταλλογραφία ακτίνων Χ και η κρυοηλεκτρονική μικροσκοπία, μέθοδοι που δεν δίνουν πάντα απαντήσεις.

Μέχρι το 2020 που παρουσιάστηκε η πρώτη βερσιόν του AlphaFold, οι επιστήμονες είχαν καταφέρει να προσδιορίσουν τη δομή μόλις 170.000 πρωτεϊνών. Το σύστημα της DeepMind χρειάστηκε μόνο λίγους μήνες για να προβλέψει τις δομές των περίπου 200 εκατομμυρίων πρωτεϊνών που γνωρίζει η επιστήμη, από τον άνθρωπο μέχρι τα βακτήρια.

Διάχυση

Στην αρχική του μορφή, το AlphaFold μπορούσε να προβλέψει μόνο στις «στατικές» δομές ελεύθερων πρωτεϊνών.

Τώρα πλέον μπορεί να προβλέπει πώς αλλάζει η δομή τους όταν αλληλεπιδρούν με άλλα μόρια, όπως μόρια DNA, RNA ή άλλων πρωτεϊνών.

Ο Ούλμαν, για παράδειγμα, ο βιοχημικός του Ινστιτούτου «Φράνσις Κρικ», έχει ήδη χρησιμοποιήσει το AlphaFold3 για να μελετήσει πρωτεΐνες που συμμετέχουν στην αντιγραφή του DNA όταν τα κύτταρα διαιρούνται.

«Με τις νέες αυτές δυνατότητες, μπορούμε να σχεδιάζουμε μόρια που συνδέονται σε μια συγκεκριμένη περιοχή μιας πρωτεΐνης και να προβλέπουμε πόσο ισχυρή θα είναι η σύνδεση»  δήλωσε σε συνέντευξη Τύπου που παρακολούθησε το Reuters ο Ντέμις Χασάμπις, ο βρετανο-κύπριος ιδρυτής της DeepMind.

«Είναι ένα κρίσιμο βήμα αν θέλεις να σχεδιάσεις φάρμακα» είπε.

Η νέα έκδοση ενσωματώνει μια πληθώρα αλλαγών και βελτιώσεων, αναφέρουν στη δημοσίευσή τους οι ερευνητές της εταιρείας.

Μεταξύ άλλων, χρησιμοποιεί την προσέγγιση της «διάχυσης», στην οποία βασίζονται και πολλά εργαλεία συνθετικών εικόνων όπως το DALL-E, μια προσέγγιση που βελτιώνει τα αποτελέσματα προσθέτοντας και αφαιρώντας στατιστικό θόρυβο.

Περιορισμοί στην πρόσβαση

Σε αντίθεση με τις προηγούμενες εκδόσεις του AlphaFold, τις οποίες μπορούσε να κατεβάσει και να χρησιμοποιήσει οποιοσδήποτε, το AlphaFold3 θα είναι διαθέσιμο μόνο μέσω της DeepMind, και συγκεκριμένα μέσω του «διακομιστή AlphaFold» που λάνσαρε η εταιρεία.

Οι ερευνητές θα μπορούν να ανεβάζουν αλληλουχίες πρωτεϊνών και λίστες βιομορίων με τα οποία αλληλεπιδρούν αυτές οι πρωτεΐνες. Τα αποτελέσματα εμφανίζονται μέσα σε λίγα λεπτά.

Ωστόσο ο διακομιστής δεν δίνει τις δομές πρωτεϊνών που αλληλεπιδρούν με φάρμακα και κάθε ερευνητής θα μπορούν να ανεβάζει μόνο 10 πρωτεϊνικές αλληλουχίες ανά ημέρα.

Η DeepMind παραδέχεται ότι οι περιορισμοί αυτοί επιβλήθηκαν για χάρη της Isomorphic Labs, ενός τεχνοβλαστού της DeepMind που αναπτύσσει νέες φαρμακευτικές θεραπείες.

Όπως το έθεσε ο Πούσμιτ Κόλι της DeepMind, «πρέπει να πετύχουμε μια ισορροπία ανάμεσα στην επιθυμία μας να το κάνουμε προβάσιμο στην επιστημονική κοινότητα και την ανάγκη να μην υπονομεύσουμε τη δυνατότητα της Isomorphic να δραστηριοποιείται εμπορικά στην ανακάλυψη φαρμάκων».