Общество

Как искусственный интеллект поможет ученым бороться с эпидемиями

Лондонская лаборатория искусственного интеллекта объявила о прорыве в науке, позволяющем ускорить разработку новых лекарственных препаратов. Созданная ею система под названием AlphaFold смогла разгадать проблему фолдинга белка — процесса спонтанного сворачивания полипептидной цепи в уникальную нативную пространственную структуру. Газета New York Times рассказала, почему ученые ждали этого прорыва пятьдесят лет и как он поможет победить будущие пандемии. «СПИД.ЦЕНТР» перевел статью Кейда Метца на русский язык.

Исследователи из лаборатории DeepMind сообщили, что решили «загадку сворачивания белка» — проблему, которая терзала ученых более пятидесяти лет. Некоторые исследователи тратят всю свою жизнь, пытаясь выявить пространственную структуру крошечных белков человеческого тела.

Белки — это микроскопические механизмы, которые определяют поведение вирусов, бактерий, человеческого тела и всех живых существ. Они развиваются как полипептидные цепи, которые сворачиваются и складываются в трехмерные фигуры. От этого зависит, на что белок будет способен, а на что — нет.

У биологов обычно уходят месяцы, годы и даже десятилетия на уточнение конкретной формы белка. Для этого требуются навыки, интеллект и немало усердия. Иногда удача им так и не улыбается. Но теперь лондонская лаборатория, изучающая искусственный интеллект, разработала компьютерную систему, которая может выполнить эту задачу за несколько часов, а то и минут.

DeepMind — лаборатория, которая принадлежит той же головной компании, что и Google, — сообщила в понедельник, 2 декабря, что их система под названием AlphaFold разрешила задачу фолдинга белков. Получив данные о цепи аминокислот, из которых состоит белок, система может быстро и надежно предсказать его трехмерную форму. Благодаря этому долгожданному прорыву, мы сможем быстрее разбираться, как устроены болезни, разрабатывать новые лекарства и раскрывать тайны человеческого тела.

Специалисты по компьютерным технологиям бились над созданием этой системы более пятидесяти лет. Последние двадцать пять лет они сверяли свои успехи, соперничая в международном эксперименте Critical Assessment of Structure Prediction («Критическая оценка предсказания белковых структур», C.A.S.P.). Однако до сих пор никто из участников не мог приблизиться к решению задачи.

DeepMind решила эту задачу для множества белков, добившись уровня точности, недоступного в физических экспериментах. Многие ученые предполагали, что этот день не наступит еще долгие годы, если не десятилетия. «Я всегда надеялся, что доживу до этого момента, — сказал Джон Молт, профессор Мерилендского университета, который помог основать C.A.S.P. в 1994 году и продолжает наблюдать за ежегодным конкурсом. — Но порой мне не верилось, что это произойдет». Доктор Молт и другие исследователи, оценивающие работы, представленные на конкурсе в этом году, изучили технологию DeepMind.

Если методы компании можно будет улучшить, по мнению Молта и других ученых, они смогут не только ускорить разработку новых лекарств, но и использовать их для того, чтобы бороться с новыми вирусами и болезнями с помощью уже существующих препаратов.

И хотя для влияния на пандемию коронавируса научный прорыв запоздал, исследователи уверены, что методы DeepMind могут ускорить реакцию на будущие пандемии. Некоторые считают, что он также поможет ученым глубже изучить генетические заболевания, такие как болезнь Альцгеймера или муковисцидоз. И все же эксперты предупреждают, что эта технология коснется лишь маленькой части длительного процесса разработки лекарств и анализа заболеваний. Также пока не ясно, когда или как DeepMind поделится своей технологией с другими исследователями.

DeepMind — один из ключевых игроков, отвечающих за радикальные перемены, поразившие научный мир, технологическую индустрию и медицинское сообщество в последние десять лет. Благодаря технологии искусственного интеллекта, сегодня машины могут научиться выполнять задания, которые ранее были им недоступны, а порой и те, что не поддаются людям.

Нейронная сеть — это математическая сеть, смоделированная по аналогии с устройством сети нейронов человеческого мозга. Она обучаема и способна анализировать большие объемы информации. Выявляя общие паттерны в тысячах фотографий кошек, она может научиться распознавать это животные среди других.

Именно эта технология узнает лица на фотографиях, которые вы публикуете в Фейсбуке, идентифицирует команды, которые вы отдаете своему смартфону, и переводит с одного языка на другой в Скайпе и других сервисах. DeepMind использует эту технологию, чтобы предсказывать форму белка. Если ученые смогут предсказать структуру белка в человеческом теле, они могут определить, как другие молекулы будут с ним взаимодействовать или физически к нему прикрепляться. Это один из способов разработки лекарств. Лекарство прикрепляется к конкретному белку в вашем теле и изменяет его поведение.

Проанализировав тысячи известных белков и их физические формы, нейронная сеть может научиться предсказывать форму других белков. В 2018 году, используя этот метод, DeepMind впервые приняла участие в C.A.S.P. Тогда система обошла остальных участников, продемонстрировав серьезный шаг вперед. Но команда биологов, медиков и специалистов в области компьютерных технологий под руководством  Джона Джампера была еще далека от того, чтобы окончательно решить задачу.

Джон Джампер – ведущий научный сотрудник лаборатории DeepMind.

Два года спустя доктор Джампер и его команда разработали совершенно новый тип нейронной сети, специально для предсказания сворачивания белков. Это был серьезный рывок в контексте точности. По словам исследовательницы из DeepMind Катрин Тунясувунакоол, их новая версия дала мощное, пусть и неидеальное, решение задачи фолдинга белков. Система может точно предсказать структуру белка примерно в двух третях случаев, как показал результат C.A.S.P. Она ошибается в определении размера белков не более чем на ширину атома. Это уровень погрешности, недостижимый в физических экспериментах. «Большинство атомов остаются в пределах диаметра атома, который имеется в экспериментальной структуре, — говорит организатор эксперимента доктор Молт. — А если и нет, то тут возможны иные объяснения возникших различий».

Директор департамента эволюции белков в Институте биологии развития Макса Планка в Германии Андрей Лупас — один из тех, кто тестировал AlphaFold. Он был участником команды ученых, потративших десять лет на то, чтобы выявить физическую структуру определенного белка в крошечном напоминающем бактерию организме, который называется архей. Этот белок цепляется за мембрану отдельных клеток — часть оказывается внутри клетки, а часть снаружи, поэтому ученым, таким как доктор Лупас, было сложно определить форму белка в лабораторных условиях. Они не смогли ее выявить даже за десять лет работы. Но благодаря AlphaFold Лупас разрешил задачу за полчаса.

Если эти методы продолжат совершенствоваться, по его словам, их можно будет использовать в том числе для того, чтобы определять, можно ли лечить новый вирус сочетанием старых лекарств. «Мы могли бы начать тестировать каждый состав, который лицензирован для употребления людьми, — сказал доктор Лупас, — и тогда можно было бы встретить следующую пандемию с теми лекарствами, которые у нас уже есть».

Во время текущей пандемии более простая форма искусственного интеллекта уже пригодилась ученым. Система, созданная лондонской компанией BenevolentAI, указала на возможность лечить тяжелобольных пациентов с COVID-19 лекарством барицитиниб. Исследователи уже завершили клинические испытания, хотя результаты еще не опубликованы.

По мере того, как технология AlphaFold будет совершенствоваться, ученые смогут стимулировать разработку вакцин.

Директор Института конструирования белков Вашингтонского университета Дэвид Бейкер, который использовал сходные компьютерные технологии для разработки препаратов от коронавируса, считает, что методы DeepMind могут ускорить такую работу. «Мы смогли разработать нейтрализующие коронавирус белки за несколько месяцев, — сказал он. — Но наша цель — делать это за несколько недель».

Однако усовершенствование разработок тормозят другие проблемы, например необходимость проведения обширных клинических испытаний, напоминает доктор Винсент Маркони, исследователь из Университета Эмори в Атланте, который участвовал в испытаниях барицитиниба. «Это дело небыстрое», — сказал он. Впрочем, технология DeepMind может в некоторых случаях заодно предсказывать, не провалится ли клиническое испытание из-за токсических реакций или других проблем.

Демис Хассабис, сооснователь и исполнительный директор DeepMind, заявил, что компания планирует опубликовать подробности своей разработки, но вряд ли это произойдет раньше будущего года. Он также говорит, что компания изучает варианты, как поделиться своей технологией с другими учеными.

DeepMind — исследовательская лаборатория. Они не продают продукты непосредственно другим лабораториям или предприятиям. Но они могут сотрудничать с другими компаниями и делиться с ними доступом к технологии через интернет

В прошлом самые крупные прорывы компании касались игр. Так, DeepMind разработала системы, сумевшие обыграть человека в старинную стратегическую игру Го и популярную видеоигру StarCraft. Это невероятное техническое достижение, которое, впрочем, не имеет практического применения. Теперь команда DeepMind готова использовать свою технологию искусственного интеллекта в реальном мире. «Мы не хотим быть лидером среди игровых компаний, — говорит доктор Джампер. — Мы хотим совершать реальные открытия в биологии».

Подписывайтесь на канал  СПИД.ЦЕНТРа  в Яндекс.Дзене
Google Chrome Firefox Opera