АлпхаФолд има пет година — ови графикони показују како је револуционирао науку

Већ скоро деценију, Андреа Паули, биохемичар са Истраживачког института за молекуларну патологију у Бечу, покушава да открије како се сперма и јајна ћелија спајају.

У 2018, њена лабораторија је пронашла протеин на површини зебрице (Данио рерио) јаја, названа Боунцер, која је била неопходна за оплодњу. Али Паулијев тим и други су се борили да покажу како је Боунцер препознао ћелије сперме. Онда се десила револуција.

АлпхаФолд открива како се сперма и јаје спајају у интимним детаљима

Пре пет година, крајем новембра 2020, истраживачи лондонског Гоогле ДеепМинд-а представили су АлпхаФолд2. Алат вештачке интелигенције за предвиђање протеинских структура створио је запањујуће прецизне 3Д моделе који се, у неким случајевима, нису разликовали од експерименталних мапа, доминирајући дуготрајним изазовом предвиђања структуре. Прва верзија АлпхаФолд-а објављена је 2018. године, али њена предвиђања нису била ни приближно тако добра као наследник, што је ограничило његов утицај.

Издавање кода АлпхаФолд2 2021. и база података која је нарасла на стотине милиона предвиђених структура значе да научници сада могу добити поуздано предвиђање за скоро сваки протеин.

„Поседовање модела за било шта имало је огроман утицај“, каже Џенет Торнтон, биоинформатичар са Европског института за биоинформатику у Хинкстону, Велика Британија, део Европске лабораторије за молекуларну биологију (ЕМБЛ-ЕБИ). „То је као други долазак структуралне биологије.“

Брзо откривање

За Паулијев тим, софтвер је осветлио пут који иначе никада не би пронашли. Модел је предвидео да протеин, назван Тмем81, стабилизује комплекс два друга протеина сперме, стварајући џеп за који се Боунцер везује¹. Експерименти су потврдили предвиђања алата. АлпхаФолд „убрзава откривање“, каже Паули. „Користимо га за сваки пројекат.“

Рад њеног тима о томе, објављен 2024., један је од скоро 40.000 чланака у часописима који цитирају 2021. Природа рад који описује АлпхаФолд2². За разлику од многих других високо цитираних научних и биомедицинских радова из истог периода, укључујући суштинске извештаје о пандемији ЦОВИД-19, чини се да интересовање за АлпхаФолд не успорава (погледајте „Највећи број цитата“).

Џон Џампер из ДеепМинда — који је поделио половину Нобелове награде за хемију 2024. са извршним директором Демисом Хасабисом за развој АлпхаФолда — каже да је „дубоко поносан“ на то колико је алат био користан за научнике као што је Паули. „Када ће неко освојити једну од ових великих награда зато што је користио АлпхаФолд?“ пита се он.

Део брзог утицаја АлпхаФолд2 своди се на његову приступачност, кажу истраживачи. Гоогле ДеепМинд је основни код и друге параметре учинио слободно доступним научницима и брзо је постало могуће да сами покрећу софтвер у великом обиму: то је урадио Паулијев тим.

Око 3,3 милиона корисника у више од 190 земаља приступило је бази података АлпхаФолд (АФДБ), коју хостује ЕМБЛ-ЕБИ и која садржи више од 240 милиона структурних предвиђања, укључујући већину познатих протеина. Више од милион корисника АФДБ-а долази из земаља са ниским и средњим приходима, укључујући Кину и Индију (погледајте „Глобални позив“).

Револуција протеинске структуре

Област у којој се чини да је АлпхаФолд извршио највећи утицај је структурна биологија. Истраживачи који су користили АлпхаФолд предали су око 50% више протеинских структура у складиште експерименталних модела, названу Протеин Дата Банк (ПДБ), него што је то учинила „основна линија“ истраживача структурне биологије која не користи АлпхаФолд, открива студија о утицајима АлпхаФолд-а коју финансира Гоогле ДеепМинд објављена ове недеље. Употреба АлпхаФолд2 је такође била повезана са већим стопама пријава ПДБ-а од оних код истраживача који користе друге ‘граничне’ методе у АИ, структурној биологији и предвиђању структуре протеина (погледајте ‘Нагомилавање протеина’).

Јумпер каже да је посебно задовољан што је АлпхаФолд2 — који је обучен користећи ПДБ податке — показао се тако корисним за дедукцију протеинских структура. Предвиђене структуре могу помоћи истраживачима да схвате сирове податке генерисане рендгенском кристалографијом и крио-електронском микроскопијом. „Свиђа ми се што помаже људима који су нам дали податке“, додаје Јумпер.