This will change medicine. It will change research. It will change bioengineering. It will change everything ~ Andrei Lupas, evolutionsbiolog ved Max Planck Institute
Googles kommercielle laboratorium med fokus på kunstig intelligens,
DeepMind, har løst en fundamental
biologisk udfordring der forventes at forandre biovidenskab som vi kender det. Det drejer sig om
proteiner: Komponenten bag samtlige biologiske processer i alt levende. Proteiner er nemlig ikke bare noget, vi spiser - de er udsalgsgivende for vores sundhed generelt, da vi bliver syge, hvis proteinerne i vores celler ikke virker.
Celler er som komplekse urværker bestående af tandhjul i et virvar af størrelser og former. Disse tandhjul er proteiner - og hvis ét bryder sammen, går hele cellen i stå, hvorfor tandhjulet må udskiftes for at undgå en større dominoeffekt af sammenbrud. Men at identificere det præcise tandhjuls form har indtil nu været en af biovidenskabens største udfordringer.
Et protein består af en sammenkrøllet perlekæde af 20
aminosyrer, hvis snørklede, tredimensionelle
form afgør proteinets eksakte
funktion. Aminosyrernes interaktion med hinanden gør, at proteinet
folder sig i et grænseløst virvar af mulige former, der er ekstremt vanskelige at kortlægge - men essentielle at kende: Biologiske processer er som et hyperkomplekst puslespil, og meget ofte står man og mangler én eneste brik for at løse en kæmpe udfordring. Problemet er, at brikkens form er grænsende til umulig at gætte sig til.
Som det er nu, har videnskaben kortlagt over 200 millioner forskellige proteiner - og kun en brøkdel af dem har fået defineret deres form. I over 50 år har dette været kendt som
Protein Folding Problem. Og det er altså dét problem DeepMind som de første i verdenshistorien har løst. Løsningen kommer i form af et værktøj baseret på kunstig intelligens, AlphaFold, der med uhørt stor nøjagtighed forudser proteiners form på dage, hvor det tidligere tog måneder eller år.
“It’s a breakthrough of the first order, certainly one of the most significant scientific results of my lifetime […] It’s something I simply didn’t expect to happen nearly this rapidly. It’s shocking, in a way.“ Sådan udtaler Mohammed AlQuraishi, computational biologist ved Columbia University, der med al sin indsigt i eksponentiel udvikling forventede en løsning af denne type ville være klar omkring 2028.
Evnen til at kortlægge proteinernes eksakte form gør, at vi fremadrettet kan forstå sygdomme hurtigere end nogensinde før - og udvikle medikamenter mod dem. Dette gennembrud udløser en ny æra i forskning, og DeepMind selv pointerer, at værtøjet herudover fx kan hjælpe med at udvikle enzymer til at nedbryde plastik eller producere biobrændstoffer, nye værktøjer til at støvsuge atmosfæren for CO2 og ikke mindst opnå ny indsigt in life itself.
For at sætte DeepMinds arbejde lidt i perspektiv stod samme laboratorium bag algoritmen AlphaGo, der i 2016 på sensationel vis overgik mennesket i det ældgamle spil Go. Bedriften kan sammenlignes med Garry Kasparovs legendariske nederlag til IBMs Blue Deep i 1996, bortset fra at Go er et ekstremt meget mere komplekst spil, med flere kombinationsmuligheder end der er atomer i det kendte univers. Jeg kan varmt anbefale
dokumentaren bag AlphaGos møde med verdensmesteren Lee Sedol og vil glæde mig til at følge AlphaFold udløse sit potentiale til at gøre verden til et sundere sted.
Fortsat god dag - og tusind tak fordi du læser med!
Kæmpe kh
