Η λειτουργία μιας πρωτεΐνης καθορίζεται από τη στερεοτακτική δομή της | DeepMind
Θέματα

Ανακάλυψη-ορόσημο που μπορεί να αλλάξει το μέλλον της Ιατρικής!

Η ικανότητα ενός συστήματος τεχνητής νοημοσύνης της εταιρείας DeepMind να προβλέψει την τρισδιάστατη (στερεοτακτική) δομή των πρωτεϊνών και την αλληλεπίδρασή τους ανοίγει τον δρόμο για την αντιμετώπιση δεκάδων ασθενειών μέσα από μια νέα γενιά φαρμάκων!
Protagon Team

Επανάσταση στη βιολογία και την ανακάλυψη φαρμακευτικών ουσιών αναμένεται να φέρει η ανακάλυψη ενός προγράμματος που απεικονίζει την τρισδιάστατη (στερεοτακτική) δομή των πρωτεϊνών του ανθρώπινου οργανισμού.

Βρετανική εταιρεία τεχνητής νοημοσύνης κατάφερε να προβάλει τους σχηματισμούς αναδίπλωσης των πρωτεϊνών, επιλύοντας ένα πρόβλημα 50 ετών στη βιολογία. Βέβαια το πρόβλημα υπήρχε πάντα, απλώς πριν από πέντε δεκαετίες είχαν γίνει οι πρώτες υποθέσεις για την αναδίπλωση των πρωτεϊνών.

Η πρωτεΐνες είναι κάτι σαν μικρές, ατομικές βιολογικές μηχανές που τροφοδοτούν τις διαδικασίες της ζωής, όπως γράφουν οι Times του Λονδίνου.

Τα σχήματα που παίρνουν καθώς αναδιπλώνονται, τους επιτρέπουν να εκτελούν και διαφορετικούς ρόλους, μεταξύ των οποίων και η επιτάχυνση της αντίδρασης του οργανισμού μας στην εισβολή των ιών και στην πειρατεία των κυττάρων. Η κατανόηση του σχήματός τους είναι το κλειδί για την ανακάλυψη νέων φαρμάκων και την καταπολέμηση των ασθενειών.

Το AlphaFold

Το σύστημα τεχνητής νοημοσύνης που κατάφερε να λύσει τον γρίφο ονομάζεται AlphaFold, έχει αναπτυχθεί από την DeepMind, θυγατρική εταιρεία της Google, και προβλέπει στην ουσία ταχύτατα και με ακρίβεια πώς θα αναδιπλωθούν οι πρωτεΐνες, ποιο τρισδιάστατο σχήμα θα πάρουν και άρα και ποια θα είναι η λειτουργία τους.

Σύμφωνα πάντα με τους Times, το σύστημα νίκησε σε έναν διαγωνισμό, καθώς μπόρεσε γρήγορα να προβλέψει σωστά τουλάχιστον τα δύο τρίτα της δομής των πρωτεϊνών, με βάση μόνο την αρχική αλληλουχία (αλυσίδα) των αμινοξέων τους, κάτι που για να το πετύχουν οι επιστήμονες σε εργαστηριακό περιβάλλον, χρειάζονται χρήμα και χρόνο.

Ωστόσο, ο αλγόριθμος σε μόλις λίγες ημέρες κατάφερε να εκτελέσει διεργασίες που οι ειδικοί σε ένα σύγχρονο εργαστήριο θα χρειάζονταν μερικά χρόνια για να το ολοκληρώσουν.

«Το να βλέπω το σύστημα να παράγει τέτοιου είδους λύσεις και να είμαι μέλος αυτής της ομάδας που έλυσε αυτό το πρόβλημα, είναι εξαιρετικό», δήλωσε ο δομικός βιολόγος δρ Τζον Μουλτ του Πανεπιστημίου του Μέριλαντ και ένας από τους διοργανωτές του διεθνούς επιστημονικού διαγωνισμού CASP (Critical Assessment of protein Structure Prediction), που ξεκίνησε το 2004 και πραγματοποιείται ανά διετία.

Οι δεκάδες χιλιάδες διαφορετικές πρωτεΐνες στον ανθρώπινο οργανισμό διαδραματίζουν ζωτικής λειτουργίας ρόλο στη διατήρηση της υγείας και στην πρόκληση ασθενειών, αφού, πολύ απλά, τα κύτταρά μας δημιουργούνται από τις πρωτεΐνες αυτές. Το πολύπλοκο σχήμα τους και ο τρόπος με τον οποίο αναδιπλώνονται διαδραματίζει επίσης σημαντικό ρόλο.

Για παράδειγμα, ο κορονοϊός, που προκαλεί τη νόσο Covid-19, διεισδύει στα ανθρώπινα κύτταρα, επειδή μια προεξέχουσα πρωτεΐνη-ακίδα που διαθέτει, ταιριάζει δομικά, όπως το κλειδί σε μια κλειδαριά, με μια πρωτεΐνη-υποδοχέα στα κύτταρά μας.

Το «κλειδί» του γρίφου

Το σχήμα κάθε πρωτεΐνης καθορίζεται από την αλληλουχία 20 διαφορετικών αμινοξέων, που σχηματίζουν αλυσίδες για να φτιάξουν τις πρωτεΐνες (για τη σχετική ανακάλυψη δόθηκε το 1972 το Νομπέλ Χημείας στον Κρίστιαν Ανφινσεν). Είναι εύκολο για τους βιολόγους να «διαβάσουν» αυτή την αλληλουχία, καθώς καθορίζεται από το DNA που την κωδικοποιεί (δημιουργεί), αλλά σχεδόν αδύνατο, παρά τις προσπάθειες που γίνονται εδώ και μισό αιώνα, να προβλεφθεί το σχήμα που θα πάρει στη συνέχεια μια πρωτεΐνη, με βάση τα δεκάδες ή εκατοντάδες αμινοξέα της (τα δομικά συστατικά της).

Μέχρι σήμερα οι επιστήμονες καταφεύγουν σε πειραματικές τεχνικές, όπως η κρυσταλλογραφία ακτινών-Χ, η μικροσκοπία κρυοηλεκτρονίων και η φασματοσκοπία MMR, που όμως είναι πάρα πολύ δύσκολες, καθώς χρειάζονται μήνες ή χρόνια και τα αποτελέσματά τους δεν είναι ιδιαίτερα έγκυρα.

Ομως το νέο σύστημα βαθιάς μάθησης AlphaFold, που άρχισε να δοκιμάζεται το 2018 και έκτοτε βελτιώθηκε σημαντικά, μπορεί πλέον να συσχετίσει κάθε αλληλουχία αμινοξέων με μια διαφορετική πρωτεϊνική δομή.

Σύμφωνα με τους ειδικούς, έχει ακόμη αρκετά περιθώρια βελτίωσης, καθώς π.χ. δεν μπορεί να προβλέψει σωστά τις πρωτεΐνες των οποίων η δομή επηρεάζεται από αλληλεπιδράσεις με άλλες πρωτεΐνες.

Οπως δήλωσε ο εξελικτικός βιολόγος Αντρέι Λούπας του γερμανικού Ινστιτούτου Αναπτυξιακής Βιολογίας Μαξ Πλανκ, τα επόμενα χρόνια οι ερευνητές θα συνεχίσουν να «τσεκάρουν» οι ίδιοι την ακρίβεια των προβλέψεων του AlphaFold, αλλά μετά θα εξαρτώνται αποκλειστικά από τους υπολογισμούς της τεχνητής νοημοσύνης. «Η πραγματική επανάσταση θα συμβεί όταν πλέον οι επιστήμονες θα μπορούν να χρησιμοποιούν μόνο τους υπολογιστές για να προβλέπουν πώς οι πρωτεΐνες αλληλοεπιδρούν με άλλα μόρια. Αυτό θα αλλάξει τελείως το πρόσωπο της ιατρικής», εκτίμησε.

«Η πραγματική επανάσταση θα συμβεί όταν πλέον οι επιστήμονες θα μπορούν να χρησιμοποιούν μόνο τους υπολογιστές για να προβλέπουν πώς οι πρωτεΐνες αλληλεπιδρούν με άλλα μόρια. Αυτό θα αλλάξει τελείως το πρόσωπο της Ιατρικής»

Ηδη, για παράδειγμα, ο αλγόριθμος AlphaFold προέβλεψε σωστά τα σχήματα αρκετών πρωτεϊνών του κορονοϊού SARS-CoV-2. Στο μέλλον, θα έχει πιθανώς την ικανότητα να προβλέπει ποια από τα χιλιάδες υπάρχοντα φάρμακα προσδένονται σωστά σε αυτές τις πρωτεΐνες, άρα μπορεί να έχουν θεραπευτική δράση, χωρίς να χρειάζεται οι επιστήμονες να κάνουν πανάκριβα και πολύπλοκα πειράματα σε ζώα και ανθρώπους, όπως γίνεται σήμερα.

Προς το παρόν, οι δημιουργοί του AlphaFold δεν έχουν αποκαλύψει πολλές λεπτομέρειες για το σύστημά τους, όμως το Nature δημοσίευσε πρόσφατα ειδικό άρθρο-αφιέρωμα.

Η DeepMind δεν έχει ακόμη διευκρινίσει με ποιο τρόπο οι επιστήμονες σε όλο τον κόσμο θα μπορούν να αξιοποιήσουν το νέο σύστημα, αλλά υποσχέθηκε να διασφαλίσει ευρεία πρόσβαση.