Chiar dacă la început a fost întâmpinată cu scepticism, inteligența artificială (AI) a adus oamenilor de știință un Premiu Nobel pentru chimie în anul 2024, după ce a fost utilizată pentru rezolvarea unor probleme de pliere a proteinelor și a fost acum adoptată de biologii din întreaga lume. Modelele AI ajută cercetătorii să rezolve o varietate de probleme, de la prezicerea structurii tridimensionale a proteinelor până la proiectarea noilor antibiotice.
Deși a fost mult timp un punct dureros major al biochimiei, plierea proteinelor a fost acum rezolvată prin utilizarea inteligenței artificiale. După ce s-au chinuit aproape 20 de ani să determine structura terțiară a proteinelor pe baza secvenței lor de aminoacizi, oamenii de știință au înființat inițiativa CASP (Critical Assesssment of Structural Prediction). În anul 1998, ei au construit programul Rosetta pentru modelarea configurării energetice a proteinelor.
La ediția din 2018 a CASP, echipa DeepMind a dezvăluit programul revoluționar AlphaFold, antrenat pe structuri și secvenței proteice reale. Doi ani mai târziu, succesul programului AlphaFold2 în predicția cu acuratețe a structurii proteinelor a determinat experții să declare că problema plierii proteinelor a fost rezolvată în cea mai mare parte.
AlphaFold a inspirat adoptarea AI în biologie
Odată cu crearea lui AlphaFold, un model de învățare avansată bazat pe inteligența artificială, oamenii de știință au putut prezice structura tridimensională a proteinelor. Antrenat pe 100.000 de secvențe și structuri ale proteinelor cunoscute, modelul poate prezice cu acuratețe structura proteinelor și poate fi utilizat la dezvoltarea unor noi proteine pentru o gamă largă de aplicații terapeutice.
Inspirați de succesul lui AlphaFold, cercetătorii utilizează acum modele de învățare avansate pentru a crea hărți spațio-temporale ale celulelor, pentru a analiza imaginile celulelor în vederea detectării modificărilor morfologice ce ar putea indica o boală și pentru a estima eficacitatea noilor medicamente.
Proteine noi pentru secolul XXI
Cu ajutorul puterii AI, oamenii de știință pot acum proiecta proteine cu funcții biologice specifice, care le permit să abordeze probleme ce nu pot fi rezolvate cu ajutorul proteinelor din natură. Dezvoltarea tradițională a proteinelor are la bază realizarea de modificări incrementale și observarea efectelor acestora, însă învățarea automată (machine learning) poate ajuta la proiectarea unor proteine mai bune într-un timp mult mai scurt.
De exemplu, experții de la Universitatea din Washington au utilizat câteva modele de AI pentru a crea enzima luciferază, care se poate lega de luciferina sintetică și îi provoacă strălucirea, găsindu-și astfel aplicabilitate în tehnicile de imagistică a țesuturilor animale.
AI descoperă noi antibiotice
Dezvoltarea de novo a proteinelor cu ajutorul AI ar putea reprezenta un pas înainte semnificativ pentru proiectarea antibioticelor. În contextul creșterii rezistenței la antibiotice a microbilor, cercetătorii de la Universitatea McMaster au instruit inteligența artificială să proiecteze antibiotice noi ce pot fi sintetizate ușor. Echipa de cercetători a pus la punct un model de AI generativă, denumit SyntheMol, pentru a proiecta molecule mici cu proprietăți antibacteriene față de Acinetobacter baumannii, un agent patogen rezistent la medicamente considerat de Organizația Mondială a Sănătății drept o amenințare la adresa sănătății globale.
Rețelele neurale învață precum creierul uman
Inspirate de creierul omului, rețelele neurale artificiale sunt modele de învățare automată ce conțin straturi multiple de noduri interconectate (sau neuroni) care pot procesa date. Fiecare nod al rețelei efectuează ecuații matematice utilizând date de intrare și determină, pe baza unor valori limită, dacă ieșirile trebuie transmise către nodurile din nivelul următor.
Oamenii de știință instruiesc rețeaua neurală cu ajutorul seturilor de date cu valori sau caracteristici cunoscute, apoi o lasă să-și analizeze rezultatul prezis față de răspunsul corect, astfel încât să-și îmbunătățească acuratețea în timp. În ciuda anumitor limitări, rețelele neurale pot identifica tipare în seturi complexe de date.
Predicția expresiei genelor cu ajutorul AI
În timp ce ChatGPT este utilizat la predicția următorului cuvânt dintr-o propoziție, oamenii de știință au creat modele similare de învățare automată care pot prezice expresia genelor din celule. Modelul scGPT (single-cell generative pretrained transformer), creat de cercetătorii de la Universitatea din Toronto, poate analiza ARN-ul unei celule mai eficient decât cele mai populare metode actuale. Modelul poate prezice mai cu acuratețe efectele perturbării genelor, comparativ cu modelul standard.
Noua iterație a lui scGPT a fost adaptată pentru analizarea mai multor tipuri de celule și ar putea fi utilizată în viitor pentru rezolvarea unor probleme biologice importante.
Sursa: The Scientist