DeepMind-ის ხელოვნური ინტელექტი, რომელიც ცილების დამუშავებაზე მუშაობს, ბიოლოგიის 50 წლიან უდიდეს გამოწვევას გაუმკლავდა. ეს პროგრესი მკვლევარებს წამლების შექმნას და დაავადებების კვლევას ბევრად გაუმარტივებს. მან შეიძლება მედიცინაში სრული გადატრიალებაც გამოიწვიოს, მეცნიერები სწორედ ამაზე მიგვანიშნებენ. ბევრი მათგანი მედიაში აღიარებს, რომ მათ არ ეგონათ, თუ ასეთ პროგრესს თავის ცხოვრებაში მოესწრებოდნენ.

თუმცა, სანამ უშუალოდ წინსვლაზე ვისაუბრებთ, აღსანიშნავია, რომ DeepMind-მა თავი უკვე ბევრჯერ გამოიჩინა. მან დაამტკიცა, რომ ხელოვნურ ინტელექტს სხვდასხვა კომპლექსური დავალებებისთვის თავის გართმევა როგორც ზეადამიანს ისე შეუძლია.

დემის ჰასაბისი, DeepMind–ის საზოგადოებრივი სახე და თანადამფუძნებელი, ყოველთვის ხაზს უსვამდა იმას, რომ ეს წარმატებები ჯერ დასაწყისი იყო და ისინი უფრო დიდი მიზნისკენ მიდიოდნენ. ჰასაბისი ამბობდა, რომ ხელოვნური ინტელექტი სამყაროს შემეცნებაში აუცილებლად დაგვეხმარება.

სულ ცოტა ხნის წინ, DeepMind-მა და ცილის სტრუქტურის პროგნოზირების (CASP) კრიტიკული შეფასების ორგანიზატორებმა ფაქტიურად ჰასაბისის პროგნოზები დაადასტურეს. DeepMind-ის AlphaFold-ის უახლესმა ვერსიამ, მანქანური ღრმა სწავლების სისტემამ, რომელიც შეუძლია ცილების სტრუქტურის განსაზღვრისთვის მუშაობს, შეძლო ის რაც 50 წლის განმავლობაში შეუძლებელი იყო.

“აქამდე ხელოვნურ ინტელექტს ასეთი სერიოზული პრობლემა არ გადაუჭრია.“ — თქვა ჯონ მოლტიმ, რომელიც (CASP)-ს ხელმძღვანელობს.

ცილა შედგება ამინომჟავების ლენტისგან, რომელიც მრავალი რთული გადახლართულობით საკუთარ თავშია ჩაკეცილი. სწორედ ეს სტრუქტურა განსაზღვრავს ცილას. ხოლო ამ გადახლართულობის გამოკვლევა, სიცოცხლის მექანიზმების კარგად შეცნობისთვის აუცილებელია. მაგალითად, კორონავირუსის ვაქცინების შემუშავების პროცესში ყურადღება სპაიკ ცილებზეა გამახვილებული. კორონავირუსის ადამიანის უჯრედში მოხვედრის გზა, სწორედაც სპაიკ ცილებზე და მის ფორმებზეა დამოკიდებული. თუმცა, სპაიკ ცილის გარდა ადამიანიაში ათი ათასობით სხვდასხვა ტიპის ცილებია.

CASP–ში, AlphaFold–მა იწინასწარმეტყველა ათობით ცილის სტრუქტურა, რომლის შეცდომის ზღვრი 0,16 ნანომეტრი იყო (ატომის ზომა). მსგავსი გამოთვლის მეთოდი, ბევრად სწრაფია, ვიდრე აქამდე არსებული სხვა და პირველად ემთხვევა ლაბორატორიაში გამოყენებული ტექნიკის სიზუსტეს, როგორიცაა კრიო-ელექტრონული მიკროსოკპია, ბირთვული მაგნიტური რეზონანსი და რენტგენის კრისტალოგრაფია. რაც მთავარია, ჩამოთვლილი ტექნიკები ძვირი და ნელია: როგორც წესი ეს უამრავ ცდასთან და ასობით ათას დოლართან არის დაკავშირებული. ამ პროცესზე მუშაობა შეიძლება წლობით გრძელდებოდეს, და ეს ყველაფერი თითო პროტეინის ფორმის განსასაზღვრად. AlphaFold-ს იგივე რამდენიმე დღეში შეუძლია.

დიახ, ნამდვილად სერიოზულ პროგრესთან გვაქვს საქმე! ეს პროგრესი მედიცინას ახალ საფეხურზე აიყვანს.

გრძელვადიან პერსპექტივაში, ცილის სტრუქტურის პროგნოზირება დაგვეხმარება სინთეზური ცილების შემუშავებაში, როგორიცაა, ფერმენტები, რომლებიც ნარჩენებს შლიან და ბიოსაწვავს წარმოქმნიან. ამასთან, მკვლევარები იკვლევენ სინთეზური ცილების დანერგვის გზებს, რაც გაზრდის მოსავლის მოსავლიანობას და მცენარეებს უფრო ნოყიერს გახდის.

"ეს ძალიან მნიშვნელოვანი მიღწევაა", — ამბობს მოჰამედ ალქურაიში, კოლუმბიის უნივერსიტეტის სისტემური ბიოლოგი, რომელმაც შეიმუშავა საკუთარი პროგრამა ცილის სტრუქტურის პროგნოზირებისთვის. ”ეს არის ის, რასაც უბრალოდ არ ველოდი, არ მეგონა, თუ ეს ყველაფერი ასე სწრაფად მოხდებოდა. ეს გარკვეულწილად შოკისმომგვრელია.”

ალქურაიში ფიქრობდა, რომ მკვლევარებს 10 წელი მაინც დასჭირდებოდათ AlphaFold-ის ასეთი შედეგების მისაღებად. “ეს გაზომვები ფაქტიურად ფიზიკურ ზღვართანაა.“ — ამბობს ის.

ცილის სტრუქტურის იდენტიფიცირება ძალიან რთულია. ცილების უმეტესობისთვის მკვლევარებს აქვთ ამინომჟავების თანმიმდევრობა ლენტში, მაგრამ არა იმ ფორმებისთვის, რომელშიც ისინი იკეცებიან. როდესაც ჩაკეცვასთან და ჩახლართულობასთან გვაქვს საქმე, აქ უკვე ფორმების ასტრონომიულ რაოდენობააზეა საუბარი. მკვლევარები ამ გამოწვევის გადაჭრას 1970-იანი წლებიდან ცდილობენ, როდესაც კრისტიან ანფინსენმა მიიღო ნობელის პრემია და დაამტკიცა, რომ სტრუქტურა თანმიმდევრობით განსაზღვრება.

ეს შეიძლება ნიშნავს იმასაც, რომ პროგნოზირებული სტრუქტურა მოქმედი ალტერნატიული კონფიგურაციაა, ლაბორატორიაში გამოვლენილი, ბუნებრივი ვარიაციების დიაპაზონში.

აღნიშვნას მოითხოვს, რომ AlphaFold ემყარება ასობით მკვლევარის ერთობლივ მუშაობას. DeepMind–მა მოიცვა უამრავი ისეთი სფერო, რომელშიც გაერთიანდა ბიოლოგთა, ფიზიკოსთა და კომპიუტერულ მეცნიერთა გუნდები.

ახლა მკვლევარები ცდილობენ ზუსტად გაარკვიონ, თუ როგორ მუშაობს AlphaFold. მეცნიერები ამბობენ, რომ მას შემდეგ, რაც ეს ყველაფერი კიდევ უფრო გასაგები გახდება, მსოფლიო შეიცვლება. ადამიანები ამ ტექნიკას გამოიყენებენ ყველა სახის სხვადასხვა ნივთისთვის, და ეს ნივთები იქნება ისეთი, რასაც ახლა ჯერ ვერც კი წარმოვიდგენთ.