Λύθηκε μυστήριο της Βιολογίας από το Deepmind της Google

Το εργαστήριο του Deepmind (Google) έλυσε ένα μεγάλο μυστήριο της βιολογίας, καθοριστικό για την αντιμετώπιση μελλοντικών επιδημιών.

Παρότι δεν είναι ευρέως γνωστό, πολλοί επιστήμονες περνούν τη ζωή τους προσπαθώντας να προσδιορίσουν το σχήμα των απειροελάχιστων πρωτεϊνών μας. Αυτές, άλλωστε, καθορίζουν τη συμπεριφορά ιών, βακτηρίων, του οργανισμού μας και όλων των έμβιων όντων. Αρχικά, εμφανίζονται ως αλυσίδες χημικών στοιχείων και στη συνέχεια διπλώνουν, δημιουργώντας τρισδιάστατα σχήματα, καθοριστικά της λειτουργίας τους. Η αναγνώριση των σχημάτων τους απαιτεί μακροχρόνια έρευνα, πιθανώς δεκαετίες πειραμάτων, οξύνοια και φυσικά κόπο. Παρ’ όλα αυτά, συχνά οι προσπάθειες καταλήγουν στο μηδέν.

Έλυσε το πρόβλημα το Deepmind

Το εργαστήριο DeepMind του Λονδίνου, που ανήκει στην ίδια μητρική εταιρεία με την Google, θα διευκολύνει την επιστημονική έρευνα, καθώς ανέπτυξε ένα σύστημα τεχνητής νοημοσύνης, που μπορεί να ολοκληρώσει το ερευνητικό έργο μέσα σε λίγες ώρες ή λεπτά. Τη Δευτέρα, το DeepMind ανακοίνωσε ότι το σύστημά του, AlphaFold, έλυσε επιτυχώς το λεγόμενο «πρόβλημα πρωτεϊνικής δίπλωσης». Το καινοτόμο σύστημα, έχοντας ως δεδομένο τα αμινοξέα που αποτελούν μία αλυσίδα, κατάφερε να προβλέψει τάχιστα και αξιόπιστα το τρισδιάστατο σχήμα που θα λάβει η πρωτεΐνη. Το DeepMind έλυσε το πρόβλημα της δίπλωσης σε ευρύ φάσμα πρωτεϊνών, επιτυγχάνοντας τον στόχο με αξιοσημείωτη ακρίβεια, συγκρίσιμη με αυτή των φυσικών πειραμάτων. Πρόκειται για ένα επίτευγμα που θα ανοίξει τον δρόμο στην ταχύτερη κατανόηση των μηχανισμών της ανθρώπινης παθολογίας, την εξεύρεση νέων φαρμάκων και την αποκρυπτογράφηση των μυστηρίων του ανθρώπινου οργανισμού.

Βέβαια, η ανάπτυξη του AlphaFold είναι αποτέλεσμα μακροχρόνιας προσπάθειας, που συνολικά χρειάστηκε περισσότερο από μισό αιώνα για να ολοκληρωθεί. Τα τελευταία 25 χρόνια, οι ερευνητές που επιχειρούν στον τομέα, παρουσίαζαν και συνέκριναν τις προσπάθειές τους στον παγκόσμιο διαγωνισμό «Αξιολόγησης Πρόβλεψης Πρωτεϊνικής Δομής», ή απλούστερα CASP, χωρίς, όμως, κανείς να προσεγγίζει τον στόχο. Ο Τζον Μουλτ, καθηγητής στο πανεπιστήμιο του Μέριλαντ, που συνέβαλε στη δημιουργία του CASP και επιβλέπει τη διαγωνιστική διαδικασία, παραδέχεται ότι ανέκαθεν ευχόταν ότι θα ζήσει αρκετά για να δει την επίτευξη του στόχου, καίτοι αυτό ήταν αμφίβολο. Η ευχή του, την τελευταία εβδομάδα, πραγματοποιήθηκε.

Θα βοηθήσει σε επόμενες πανδημίες το Deepmind

Δυστυχώς, η μεγάλη επιστημονική επιτυχία καθυστέρησε και δεν θα συστρατευθεί στον πόλεμο κατά του κορωνοϊού. Οι ειδικοί όμως εκτιμούν ότι θα βοηθήσει στη βελτίωση της αντιμετώπισης μελλοντικών πανδημιών, αλλά και την πληρέστερη κατανόηση των μηχανισμών νοσημάτων, όπως είναι το Αλτσχάιμερ ή η κυστική ίνωση. Ταυτόχρονα προειδοποιούν ότι ακόμα και η πιο εξελιγμένη τεχνολογία έχει περιορισμούς και δεν θα επηρεάσει, παρά ελάχιστα, τη μακρά διαδικασία που επιτρέπει την αναγνώριση νέων φαρμάκων και την αποκρυπτογράφηση των μηχανισμών της ανθρώπινης παθολογίας. Είναι ωστόσο αδιαμφισβήτητο ότι το DeepMind είναι μεταξύ των κυρίαρχων παικτών της δυναμικής αλλαγής που συντελείται στην ακαδημαϊκή και ιατρική κοινότητα και τον τεχνολογικό τομέα την τελευταία δεκαετία.

«Νευρωνικό δίκτυο» είναι ένα μαθηματικό σύστημα για την τεχνητή νοημοσύνη  που κατασκευάστηκε με πρότυπο το δίκτυο των νευρώνων στον ανθρώπινο εγκέφαλο, και το οποίο εκπαιδεύεται αναλύοντας τεράστιο όγκο δεδομένων. Καταφέρνει, π.χ., να αναγνωρίζει γάτες, αφού έχει προηγουμένως αναλύσει εκατομμύρια φωτογραφιών που απεικονίζουν το μικρό αιλουροειδές. Η τεχνολογία ήδη εφαρμόζεται για την αναγνώριση προσώπων σε φωτογραφίες που αναρτώνται στο Facebook, όπως και τη «μετάφραση» των φωνητικών εντολών που δίνουμε στο έξυπνο κινητό μας.

Επίσης, επιτρέπει την άμεση μετάφραση σε δεκάδες γλώσσες στο Skype και συναφείς υπηρεσίες. Χάρη στα «νευρωνικά δίκτυα» οι μηχανές μπορούν να μάθουν να φέρνουν εις πέρας διάφορα καθήκοντα, που μέχρι πρόσφατα ήταν εκτός των δικών τους και των ανθρώπινων δυνατοτήτων. Αναλύοντας χιλιάδες πρωτεΐνες, το νευρωνικό δίκτυο του AlphaFold μπορεί να εκπαιδευθεί στην πρόβλεψη του σχήματος άλλων.

Oι ερευνητές προβλέποντας το μελλοντικό σχήμα της πρωτεΐνης, αυτομάτως γνωρίζουν τους τρόπους που συνδέονται πάνω της άλλα μόρια. Ετσι αναπτύσσονται τα φάρμακα τα οποία συνδέονται με κάποια πρωτεΐνη μεταβάλλοντας τη συμπεριφορά της.

Προσπάθεια δέκα ετών

Ο Αντρέι Λούπας, επικεφαλής του τμήματος εξέλιξης πρωτεϊνών στο γερμανικό Ινστιτούτο Αναπτυξιακής Βιολογίας Μαξ Πλανκ, εργάστηκε με το σύστημα AlphaFold. Είναι μέλος της επιστημονικής ομάδας που, επί δέκα χρόνια, προσπαθούσε να μαντέψει το φυσικό σχήμα μιας συγκεκριμένης πρωτεΐνης στα μικροσκοπικά αρχαιοβακτήρια. Καθώς αυτή εντοπίζεται στη μεμβράνη μεμονωμένων κυττάρων, μερικώς στο εσωτερικό και μερικώς στο εξωτερικό τους, οι επιστήμονες, όπως ο δρ Λούπας, αδυνατούσαν να προσδιορίσουν το σχήμα της. Οι δεκαετείς προσπάθειες δεν απέδωσαν, αλλά η χρήση του AlphaFold έλυσε το πρόβλημα εντός μισής ώρας. Οταν το σύστημα εξελιχθεί, θα μπορεί να διαπιστώσει τάχιστα αν ένας νέος ιός μπορεί να αντιμετωπιστεί με έναν κοκτέιλ υπαρχόντων φαρμάκων. «Μπορούμε να ελέγξουμε όλα τα εγκεκριμένα για ανθρώπινη χρήση σκευάσματα και να αντιμετωπίσουμε την επόμενη πανδημία με ό,τι βρίσκεται στο φαρμακείο μας», επισημαίνει ο δρ Λούπας.

Καθοριστική η βοήθεια του AlphaFold στο μέλλον

Επίσης, το AlphaFold μπορεί να συμβάλει στην εύρεση νέων ενδείξεων χορήγησης για υπάρχοντα φάρμακα, κάτι που έγινε κατά κόρον τους τελευταίους μήνες, αλλά και να βοηθήσει στην ανάπτυξη ολοκληρωτικά καινοτόμων εμβολίων, ιδιαίτερα αν στο μέλλον ελλοχεύει κάποιος ιός ακόμα πιο δυσνόητος από τον κορωνοϊό. Ο δρ Ντέιβιντ Μπέικερ, επικεφαλής του Ινστιτούτου Σχεδιασμού Πρωτεϊνών, του πανεπιστημίου της Ουάσιγκτον, που χρησιμοποιεί παρόμοια υπολογιστική τεχνολογία για την παρασκευή φαρμακευτικών αγωγών κατά της COVID-19, πιστεύει ότι οι μέθοδοι τoυ DeepMind μπορούν να επιταχύνουν τη διαδικασία. «Καταφέραμε να κατασκευάσουμε εξουδετερωτικές πρωτεΐνες κατά του νέου κορωνοϊού μέσα σε λίγους μήνες. Στόχος μας είναι να καταφέρουμε το ίδιο εντός εβδομάδων», τονίζει.

Το DeepΜind είναι, ωστόσο, ένα εργαστήριο που δεν εμπορεύεται άμεσα τα προϊόντα του. Θα μπορούσε, βέβαια, να συνεργαστεί με εργαστήρια ή επιχειρήσεις ώστε να μοιραστεί την τεχνογνωσία του μέσω Διαδικτύου. Μέχρι σήμερα τα μεγαλύτερα επιτεύγματά του αφορούσαν ηλεκτρονικά παιχνίδια. Δημιούργησε συστήματα που υπερέβησαν την ανθρώπινη απόδοση στο παιχνίδι στρατηγικής «Γκo» αλλά και το ηλεκτρονικό βιντεοπαιχνίδι «StarCraft». Σήμερα, το DeepMind αλλάζει κατεύθυνση και επιχειρεί να φέρει την τεχνογνωσία του στον αληθινό κόσμο. «Δεν θέλουμε να είμαστε μία ηγέτιδα δύναμη στα παιχνίδια», εξηγεί ο δρ Τζον Τζάμπερ, επικεφαλής του εργαστηρίου. «Θέλουμε να αποκτήσουμε ουσιαστική αξία».

Πηγή πληροφοριών: The New York Times/Η Καθημερινή