DeepMind, принадлежащая Alphabet, разработала программное обеспечение для искусственного интеллекта, которое может точно предсказать структуру, в которую будут складываться белки в течение нескольких дней, решив «грандиозную задачу» 50-летней давности, которая может открыть путь к лучшему пониманию болезней и разработке лекарств.

Каждая живая клетка имеет внутри тысячи различных белков, которые поддерживают ее жизнь и здоровье. Предсказание формы, в которую будет сворачиваться белок, важно, потому что именно форма белков определяет функцию клетки, и почти все заболевания, включая рак и деменцию, связаны с тем, как функционируют белки.

«Белки — это самые красивые, великолепные структуры, и способность точно предсказать, как они сворачиваются, действительно очень, очень сложно. Этот вопрос волновал многих людей на протяжении многих лет», — сказала профессор Дам Джанет Торнтон (Dame Janet Thornton) из Европейского института биоинформатики.

Система искусственного интеллекта AlphaFold британской исследовательской лаборатории DeepMind участвовала в конкурсе, организованном группой под названием CASP (Critical Assessment for Structure Prediction). Это общественная экспериментальная организация, цель которой — ускорить решение одной важной научной проблемы: как вычислить трехмерную структуру белковых молекул.

CASP, который отслеживает прогресс в этой области в течение 25 лет, сравнивает конкурсные заявки с «экспериментальным золотым стандартом». В понедельник было заявлено, что система AlphaFold DeepMind достигла беспрецедентного уровня точности в предсказании структуры белка.

«DeepMind шагнул вперед», — сказал профессор Джон Моулт (John Moult), председатель CASP, на телеконференции перед объявлением. «Грандиозная задача 50-летней давности в области информатики в значительной степени решена».

Моулт добавил, что есть «несколько важных моментов в разработке лекарств», а также в недавно появившейся области дизайна структуры белков.

DeepMind, штат которой насчитывает около 1000 человек, и которая  практически не имеет дохода, превратилась в дорогостоящую компанию, поддерживаемую Alphabet (материнской компанией Google). Тем не менее, он стал одним из лидеров в глобальной гонке искусственного интеллекта наряду с такими компаниями, как Facebook AI Research, Microsoft и OpenAI. Этот прорыв приветствовал генеральный директор Google Сундар Пичаи (Sundar Pichai) в Twitter.

Соучредитель и генеральный директор DeepMind Демис Хассабис (Demis Hassabis) сказал по телефону:

«Конечная цель DeepMind всегда заключалась в создании общей технологии на основе ИИ, а затем ее использовании таким образом, чтобы помочь людям лучше понять мир вокруг нас, значительно ускоряя темпы научных открытий».

Компания, которую Google купил в 2014 году за $600 млн, наиболее известна созданием систем искусственного интеллекта, которые могут играть в такие игры, как Space Invaders и древнюю китайскую настольную игру Go. Тем не менее, компания всегда хотела обеспечить максимальное научное приложение усилий DeepMind.

«Игры — отличный полигон для эффективной разработки и тестирования общих алгоритмов, которые мы надеялись перенести в области реального мира для решения научных проблем», — сказал Хассабис. «Мы считаем, что AlphaFold является первым доказательством этого тезиса. Эти алгоритмы в настоящее время становятся достаточно зрелыми и мощными, чтобы их можно было применять для решения действительно сложных научных задач».

DeepMind также участвовал в соревновании по сворачиванию белков CASP в 2018 году. Хотя его результаты в то время были впечатляющими, Джон Джампер (John Jumper), руководитель AlphaFold в DeepMind, сказал, что команда изначально знала, что движется к созданию чего-то «значимого с биологической точки зрения» или конкурентоспособного с таким методом научного исследования, как эксперимент».

В этом году соревнование не было простым. Джампер рассказал, что DeepMind в течение трех месяцев не добился никакого прогресса.

«Мы бы сидели и беспокоились, не исчерпали ли мы данные?»

Даже когда приближался крайний срок соревнований, Джампер и его команда все еще беспокоились о том, что они могли допустить ошибки.

«Всегда есть вероятность ошибки, которая закрадывается в системы машинного обучения», — сказал он.

Но их усилия окупились.

«Мы действительно думаем, что создали систему, которая предоставляет правильную и рабочую информацию для экспериментальных биологов», — сказал он. «У вас есть структура, чтобы понять что-то о мире живой природы, а затем задать еще больше вопросов. Мы думаем, что создали систему, которая действительно поможет людям решить много проблем в этом направлении».

Подписывайтесь на SharesPro в социальных сетях:
Telegram: t.me/sharespro
Instagram: www.instagram.com/sharespro/