Google DeepMind-ის მეცნიერებს მიენიჭათ $3 მილიონიანი პრიზი ხელოვნური ინტელექტის (AI) სისტემის შემუშავებისთვის, რომელმაც გამოიცნო, თუ როგორ იკეცება თითქმის ყველა ცნობილი ცილა თავის 3D ფორმაში. პრიზი გადაეცათ დემის ჰასაბისს, DeepMind-ის თანადამფუძნებელსა და აღმასრულებელ დირექტორს, რომელმაც შექმნა ცილების პროგნოზირების პროგრამა AlphaFold და ჯონ ჯამპერს, DeepMind-ის უფროს მეცნიერს, — განაცხადა Breakthrough Prize Foundation-მა 22 სექტემბერს.

აღნიშნული მიღწევის შესახებ ჯერ კიდევ 2020 წელს გახდა ცნობილი. აქვე შეგიძლიათ გაეცნოთ ჩვენს სტატიას ამ თემაზე — ხელოვნური ინტელექტი ბიოლოგიის 50 წლიან უდიდეს გამოწვევას გაუმკლავდა

Live Science-ს მიხედვით, ღია წყაროს პროგრამა თავის პროგნოზებს აკეთებს ცილის ამინომჟავების თანმიმდევრობის ან ცილის შემადგენელი მოლეკულური ერთეულების საფუძველზე. ეს ცალკეული ერთეულები უკავშირდება გრძელ ჯაჭვს, რომელიც შემდეგ "იკეცება" 3D ფორმაში. ცილის 3D სტრუქტურა კარნახობს, თუ რა შეუძლია ამ ცილას, იქნება ეს დნმ-ის მოჭრა თუ საშიში პათოგენების მიმაგრება განადგურებისთვის, ამიტომ შესაძლებლობა, დაასკვნას ამინომჟავების თანმიმდევრობიდან ცილების ფორმა, წარმოუდგენლად ძლიერია.

Breakthrough Prizes აღიარებს წამყვან მკვლევრებს ფიზიკის, სიცოცხლის მეცნიერებებისა და მათემატიკის სფეროებში. თითოეულ პრიზს მოყვება 3 მილიონი დოლარის ჯილდო, რომელიც ფინანსდება დამფუძნებელი სპონსორების — სერგეი ბრინის, პრისცილა ჩანისა და მარკ ცუკერბერგის, იური და ჯულია მილნერებისა და ანა ვოიციკის — მიერ.

"ცილები არის ნანო-მანქანები, რომლებიც მართავენ უჯრედებს და მათი 3D სტრუქტურის პროგნოზირება მათი ამინომჟავების თანმიმდევრობით არის მთავარი სიცოცხლის ფუნქციონირების გასაგებად", — ნათქვამია ფონდის განცხადებაში, — "DeepMind-ში თავიანთ გუნდთან ერთად ჰასაბისმა და ჯამპერმა შეიმუშავეს და შექმნეს ღრმა დასწავლის სისტემა, რომელიც ზუსტად და სწრაფად აყალიბებს ცილების სტრუქტურას."

AlphaFold-ის გამოყენებით DeepMind-ის გუნდმა შეადგინა მონაცემთა ბაზა 200 მილიონი ცილის სტრუქტურის შესახებ, მათ შორის მცენარეების, ბაქტერიების, სოკოების და ცხოველების მიერ წარმოებული ცილებზე. ამ მონაცემთა ბაზაში შედის მეცნიერებისთვის ცნობილი თითქმის ყველა კატალოგირებული ცილა.

ხელოვნური ინტელექტის სისტემამ "ისწავლა" ამ ფორმების აწყობა არსებულ მონაცემთა ბაზებში შედგენილი ცილის ცნობილი სტრუქტურების შესწავლით. ცილის ეს სტრუქტურები საგულდაგულოდ იქნა ვიზუალიზებული რენტგენის კრისტალოგრაფიის ტექნიკით, რომელიც გულისხმობს კრისტალური ცილის სტრუქტურების რენტგენის სხივებით დაშლას და შემდეგ იმის გაზომვას, თუ როგორ გარდატყდებიან ეს სხივები.

ამ არსებულ მონაცემთა ბაზებში AlphaFold-მა დაადგინა შაბლონები ცილების ამინომჟავების თანმიმდევრობებსა და მათ საბოლოო 3D ფორმებს შორის. შემდეგ, ნეირონული ქსელის — ალგორითმის, რომელიც შთაგონებულია იმით, თუ როგორ ამუშავებენ ნეირონები ინფორმაციას ტვინში — გამოყენებით, AI-მ დაამუშავა ეს ინფორმაცია, რათა კიდევ ერთხელ გაეუმჯობესებინა ცილის ცნობილი და უცნობი სტრუქტურების პროგნოზირების უნარი.

"ძალიან შთამაგონებელი იყო იმის დანახვა, თუ რამდენი გზით გამოიყენა მკვლევართა საზოგადოებამ AlphaFold, დაწყებული დაავადებების, თაფლის მცველი ფუტკრებისა და ბიოლოგიური ამოცანების გასაგებად, დამთავრებული სიცოცხლის ღრმა საწყისების დასანახად", — განაცხადა ჰასაბისმა, — "როგორც პიონერები "ციფრული ბიოლოგიის" განვითარებად სფეროში, ჩვენ აღფრთოვანებულები ვართ, რომ ვხედავთ AI-ის უზარმაზარი პოტენციალის რეალიზებას, როგორც კაცობრიობის ერთ-ერთ ყველაზე სასარგებლო ინსტრუმენტს მეცნიერული აღმოჩენებისა და სიცოცხლის ფუნდამენტური მექანიზმების გასაგებად."