Η Google λύνει ένα από τα μεγαλύτερα μυστήρια της βιολογίας
Μαίρη Βενέτη
Μέσα σε κάθε κύτταρο του σώματός μας δισεκατομμύρια μικροσκοπικές μοριακές μηχανές δουλεύουν σκληρά, επιτρέποντας στα μάτια μας να ανιχνεύουν το φως, στους νευρώνες μας να δέχονται και να μεταφέρουν τα ερεθίσματα, στον εγκέφαλο μας να τα διαβάζει κ.ο.κ.
Αυτές οι περίπλοκες μικροσκοπικές μηχανές που μας προσδιορίζουν ως το μοναδικό άτομο που είμαστε, δεν είναι άλλες από τις πρωτεΐνες.
Οι πρωτεΐνες δεν υποστηρίζουν απλά τις βιολογικές διεργασίες στο σώμα μας, αλλά και κάθε βιολογική διαδικασία σε κάθε ζωντανό ον. Είναι στην κυριολεξία τα δομικά στοιχεία της ζωής. Τίποτα δε λειτουργεί σωστά στα κύτταρα μας χωρίς τις πρωτεΐνες.
Επί του παρόντος, υπάρχουν περίπου 100 εκατομμύρια γνωστές ξεχωριστές πρωτεΐνες, ενώ κάθε χρόνο ανακαλύπτουμε πολλές περισσότερες.
Αν μπορούσαμε να ξετυλίξουμε μια πρωτεΐνη θα βλέπαμε ότι είναι σαν μια σειρά από σφαιρίδια φτιαγμένα από μια αλληλουχία διαφορετικών χημικών ουσιών, τα γνωστά μας αμινοξέα.
Αυτές οι αλληλουχίες συναρμολογούνται σύμφωνα με τις γενετικές οδηγίες του DNA ενός οργανισμού και κάθε μια πρωτείνη έχει ένα μοναδικό τρισδιάστατο σχήμα που καθορίζει πώς λειτουργεί και τι κάνει. Το σχήμα δηλαδή κάθε πρωτεΐνης είναι αυτό που καθορίζει τον τρόπο που δρα, είτε πρόκειται για δομικές πρωτεΐνες, είτε για ενζυματικές πρωτεΐνες που ρυθμίζουν τον μεταβολισμό.
Δείτε τις πρωτεΐνες σαν βιολογικές μηχανές. Με τον ίδιο τρόπο που η δομή μιας μηχανής μας αποκαλύπτει τι κάνει, έτσι και η δομή μιας πρωτεΐνης μας βοηθά να κατανοήσουμε τη λειτουργία της.
Γι΄αυτό και η δυνατότητα πρόβλεψης της δομής των πρωτεϊνών παίζει τόσο σημαντικό ρόλο στη βιολογία και τη βιοχημεία και τελικά στην ανάπτυξη φαρμάκων και θεραπειών.
Ο προσδιορισμός και η κατανόηση της τρισδιάστατης δομής μιας πρωτεΐνης μπορούσε μέχρι σήμερα ν υπολογιστεί μόνο με πολυδάπανες και χρονοβόρες μεθόδους, όπως η κρυσταλλογραφία ακτίνων Χ και η κρυοηλεκτρονική μικροσκοπία.
Ως εκ τούτου, μέχρι πρότινος γνωρίζαμε την ακριβή τρισδιάστατη δομή μόνο ενός μικρού κλάσματος των πρωτεϊνών που είναι γνωστές στην επιστήμη, ενώ για τα τελευταία 50 χρόνια το πρόβλημα της αναδίπλωσης των πρωτεϊνών αποτελούσε ένα από τα μεγαλύτερα μυστήρια της βιολογίας.
Η εύρεση ενός τρόπου να κλείσουμε αυτό το ταχέως διευρυνόμενο χάσμα και να προβλέψουμε τη δομή εκατομμυρίων πρωτεϊνών θα μας βοηθήσει όχι μόνο να βρούμε νέα, αποτελεσματικά φάρμακα για ένα πλήθος ασθενειών, αλλά ίσως και να ξεκλειδώσει το μυστήριο για το πώς λειτουργεί η ίδια η ζωή.
Ποια είναι η DeepMind και τι είναι το AlphaFold
Το 2016 η DeepMind ανέλαβε αυτήν ακριβώς την πρόκληση, δημιουργώντας το σύστημα Τεχνητής Νοημοσύνης –ΑΙ- γνωστό ως AlphaFold.
Η DeepMind Technologies ιδρύθηκε τον Σεπτέμβριο του 2010 και το 2014 ο τεχνολογικός κολοσσός Google φρόντισε να περάσει στους κόλπους της. Σήμερα λοιπόν είναι η θυγατρική τεχνητής νοημοσύνης της Alphabet, εδρεύει στο Λονδίνο και έχει ερευνητικά κέντρα στον Καναδά, τη Γαλλία και τις Ηνωμένες Πολιτείες.
Τι είναι όμως το AlphaFold για το οποίο το επιστημονικό περιοδικό Science έγραψε ότι είναι η σημαντικότερη επιστημονική εξέλιξη του 2021;
Είναι ένα σύστημα Tεχνητής Nοημοσύνης -ΑΙ -που «διδάχθηκε» μέσω των αλληλουχιών και των δομών περίπου 100.000 γνωστών πρωτεϊνών. Έτσι σήμερα μπορεί να προβλέπει με σχετική ακρίβεια την τρισδιάστατη δομή πρωτεϊνών γνωρίζοντας μόνο την αλληλουχία των αμινοξέων τους, η οποία καθορίζεται από τα αντίστοιχα γονίδια.
Το AlphaFold μπορεί να προσδιορίσει τη δομή μιας πρωτεΐνης μέσα σε ελάχιστο χρόνο σε σχέση με τις μέχρι τώρα πειραματικές τεχνικές που χρειάζονταν χρόνια και εκατομμύρια δολάρια.
Πρόκειται για μια σημαντική ανακάλυψη και υπογραμμίζει τον αντίκτυπο που μπορεί να έχει η Tεχνητή Nοημοσύνη στην επιστήμη. Ένα σύστημα όπως το AlphaFold θα μπορούσε να επιταχύνει την πρόοδο σε πολλούς τομείς έρευνας που είναι σημαντικοί για την κοινωνία.
Πού χρησιμοποιείται ήδη το AlphaFold
Άλλωστε ήδη χρησιμοποιείται. Για παράδειγμα, το Drugs for NeglectedDiseases Initiative χρησιμοποιεί το AlphaFold προκειμένου να προχωρήσει την έρευνα του για θεραπείες ασθενειών που επηρεάζουν δυσανάλογα τα φτωχότερα μέρη του κόσμου.
Το Κέντρο Ενζυμικής Καινοτομίας στο Πανεπιστήμιο του Πόρτσμουθ (CEI) χρησιμοποιεί το AlphaFold για προβλέψεις που θα βοηθήσουν στη δημιουργία ταχύτερων ενζύμων για την ανακύκλωση ορισμένων από τα πιο ρυπογόνα πλαστικά μιας χρήσης.
Μια ομάδα στο Πανεπιστήμιο Boulder του Κολοράντο χρησιμοποιεί το AlphaFold για τη μελέτη της αντοχής στα αντιβιοτικά, ενώ μια ομάδα στο Πανεπιστήμιο της Καλιφόρνια το χρησιμοποίησε για την κατανόησή της βιολογίας του SARS-CoV-2.
Και ενώ η έρευνα πάνω στο AlphaFold συνεχίζεται, οι προβλέψεις του ξεκλειδώνουν ολοένα και περισσότερες νέες δυνατότητες στη βιολογική έρευνα.
Δωρεάν διάθεση της βάσης δεδομένων για κάθε επιστήμονα
Η DeepMind σκοπεύει να επεκτείνει σε μεγάλο βαθμό τη βάση δεδομένων AlphaFold Protein Structure μελετώντας και ξεκλειδώνοντας την αλληλουχία κάθε πρωτεΐνης που είναι γνωστή στην επιστήμη.
Αυτή η βάση δεδομένων «μοιράζεται» στην επιστημονική κοινότητα. Αυτή άλλωστε είναι και η φιλοσοφία του CASP του κοινοτικού φόρουμ που επιτρέπει στους ερευνητές να μοιραστούν την πρόοδο σχετικά με το πρόβλημα της αναδίπλωσης των πρωτεϊνών.
Η κοινότητα οργανώνει ανά δύο χρόνια την πρόκληση για ερευνητικές ομάδες να ελέγξουν την ακρίβεια των προβλέψεών τους σε σχέση με πραγματικά πειραματικά δεδομένα.
Μεταξύ των ομάδων που συμμετείχαν στο CASP13 το 2018, η AlphaFold κατέλαβε την πρώτη θέση στην πρόκληση πρόβλεψης πρωτεϊνικής δομής ενώ στο CASP14 το 2020 παρουσιάστηκε η τελευταία έκδοση του Alphafold, η οποία έχει πλέον φτάσει σε ένα επίπεδο ακρίβειας που θεωρείται ότι ξεκλειδώνει το σχήμα κάθε πρωτεΐνης στο ανθρώπινο σώμα, καθώς και το σχήμα των πρωτεϊνών 20 πρόσθετων οργανισμών στους οποίους βασίζονται οι επιστήμονες για την έρευνά τους, από το E.coli έως τη μαγιά και από τη μύγα των φρούτων μέχρι το ποντίκι.
Η κατάκτηση αυτή θα μετουσιωθεί σε ένα ανεκτίμητο εργαλείο για τους ερευνητές που αναζητούν θεραπείες για ασθένειες αλλά και για εκείνους που επιδιώκουν λύσεις σε άλλα μεγάλα προβλήματα που αντιμετωπίζει η ανθρωπότητα όπως η αντοχή των μικροβίων στα αντιβιοτικά, της ρύπανσης από τα μικροπλαστικά - μικροσκοπικές ίνες πλαστικού που αν και αόρατες εύκολα εισέρχονται στην τροφική αλυσίδα- αλλά και της κλιματικής αλλαγής.
Οι νέες γνώσεις για τη δομή των πρωτεϊνών αναμένεται να οδηγήσουν την έρευνα για την επίλυση των παραπάνω προβλημάτων σε νέα μονοπάτια επιστημονικών ανακαλύψεων και για αυτόν ακριβώς τον λόγο τα σύνολα των δεδομένων του AlphaFold θεωρούνται εξίσου σημαντικής βαρύτητας με εκείνα του ανθρώπινου γονιδιώματος.
Χάρη δε στη στενή συνεργασία τους τελευταίους μήνες με το Ευρωπαϊκό Ινστιτούτο Βιοπληροφορικής EMBL και το Ευρωπαϊκό Εργαστήριο Μοριακής Βιολογίας EMBL, όλος ο κόσμος μοιράζεται αυτόν τον πολύτιμο πόρο γνώσης, καθώς διατέθηκε δωρεάν σε κάθε επιστήμονα μια βάση δεδομένων που καλύπτει τις δομές του 98,5% των ανθρώπινων πρωτεϊνών και δεκάδες χιλιάδες πρωτεΐνες από 20 οργανισμούς μεγάλης βιολογικής σημασίας, όπως το παράσιτο της ελονοσίας και το βακτήριο της φυματίωσης.
Για να υπάρχει ένα μέτρο σύγκρισης για το πού ήμασταν και πού βαδίζουμε θα αναφέρουμε ότι μέχρι σήμερα η επιστήμη είχε προσδιορίσει μόνο το ένα τρίτο των ανθρώπινων πρωτεϊνών ενώ οι καταχωρήσεις στη βάση AlphaFold DB σχεδιάζεται να αυξηθούν τελικά στα 130 εκατομμύρια τρισδιάστατα μοντέλα, σύμφωνα με το EMBL.
Είναι συγκινητικό το γεγονός ότι αυτό το μεγάλο βήμα της επιστήμης βασίζεται τόσο στην εφευρετικότητα της ομάδας του AlphaFold της DeepMind σε συνδυασμό με τις εξελιγμένες αλγοριθμικές καινοτομίες της AI, όσο και στις ανακαλύψεις γενεών επιστημόνων, από τους πρώτους πρωτοπόρους της πρωτεϊνικής απεικόνισης και κρυσταλλογραφίας, έως τους χιλιάδες ειδικούς προβλέψεων και δομικούς βιολόγους που έχουν περάσει χρόνια πειραματιζόμενοι με πρωτεΐνες.
Οι νέες γνώσεις θα βοηθήσουν με τη σειρά τους αμέτρητους επιστήμονες στο έργο τους και θα ανοίξουν νέους δρόμους επιστημονικής ανακάλυψης. Υπό το πρίσμα αυτό, όπως ακριβώς είχαμε ισχυριστεί πέρυσι ότι η Αpple είναι πολλά περισσότερα από μια τεχνολογική εταιρεία, το ίδιο θα ισχυριστούμε για την Google. Αντιπροσωπεύει πολλά περισσότερα από μια εταιρεία τεχνολογίας καθώς αποτελεί έναν εκ των βασικών συντελεστών που θα αναμορφώσει την πραγματικότητα που θα παραδώσουμε στα παιδιά μας.
(σ.σ: Υψηλής σημασίας είναι οι ανακαλύψεις της DeepMind και στον τομέα της κβαντομηχανικής. Η τεχνολογία στρέφεται ολοένα και περισσότερο στην κβαντική κλίμακα προκειμένου να εξερευνήσει νέες δυνατότητες σχετικά με υλικά και φάρμακα συμπεριλαμβανομένων αυτών που δεν έχουμε δει ή φανταστεί ποτέ. Η Βαθιά Μάθηση υπόσχεται να προσομοιώσει με ακρίβεια την ύλη σε αυτό το κβαντομηχανικό επίπεδο, ανοίγοντας νέους δρόμους στην παραγωγή καθαρού ηλεκτρισμού ή στην ανάπτυξη υπεραγωγών υψηλής θερμοκρασίας που απαιτούν τον σχεδιασμό νέων υλικών με συγκεκριμένες ιδιότητες. Περισσότερα μπορείτε να διαβάσετε στο https://deepmind.com / )
*Αποποίηση Ευθύνης: Το υλικό αυτό παρέχεται για πληροφοριακούς και μόνο σκοπούς. Σε καμιά περίπτωση δεν πρέπει να εκληφθεί ως προσφορά, συμβουλή ή προτροπή για την αγορά ή πώληση των αναφερόμενων προϊόντων. Παρόλο που οι πληροφορίες που περιέχονται βασίζονται σε πηγές που θεωρούνται αξιόπιστες, ουδεμία διασφάλιση δίνεται ότι είναι πλήρεις ή ακριβείς και δεν θα πρέπει να εκλαμβάνονται ως τέτοιες.
Μέσα σε κάθε κύτταρο του σώματός μας δισεκατομμύρια μικροσκοπικές μοριακές μηχανές δουλεύουν σκληρά, επιτρέποντας στα μάτια μας να ανιχνεύουν το φως, στους νευρώνες μας να δέχονται και να μεταφέρουν τα ερεθίσματα, στον εγκέφαλο μας να τα διαβάζει κ.ο.κ.
Αυτές οι περίπλοκες μικροσκοπικές μηχανές που μας προσδιορίζουν ως το μοναδικό άτομο που είμαστε, δεν είναι άλλες από τις πρωτεΐνες.
Οι πρωτεΐνες δεν υποστηρίζουν απλά τις βιολογικές διεργασίες στο σώμα μας, αλλά και κάθε βιολογική διαδικασία σε κάθε ζωντανό ον. Είναι στην κυριολεξία τα δομικά στοιχεία της ζωής. Τίποτα δε λειτουργεί σωστά στα κύτταρα μας χωρίς τις πρωτεΐνες.
Επί του παρόντος, υπάρχουν περίπου 100 εκατομμύρια γνωστές ξεχωριστές πρωτεΐνες, ενώ κάθε χρόνο ανακαλύπτουμε πολλές περισσότερες.
Αν μπορούσαμε να ξετυλίξουμε μια πρωτεΐνη θα βλέπαμε ότι είναι σαν μια σειρά από σφαιρίδια φτιαγμένα από μια αλληλουχία διαφορετικών χημικών ουσιών, τα γνωστά μας αμινοξέα.
Αυτές οι αλληλουχίες συναρμολογούνται σύμφωνα με τις γενετικές οδηγίες του DNA ενός οργανισμού και κάθε μια πρωτείνη έχει ένα μοναδικό τρισδιάστατο σχήμα που καθορίζει πώς λειτουργεί και τι κάνει. Το σχήμα δηλαδή κάθε πρωτεΐνης είναι αυτό που καθορίζει τον τρόπο που δρα, είτε πρόκειται για δομικές πρωτεΐνες, είτε για ενζυματικές πρωτεΐνες που ρυθμίζουν τον μεταβολισμό.
Δείτε τις πρωτεΐνες σαν βιολογικές μηχανές. Με τον ίδιο τρόπο που η δομή μιας μηχανής μας αποκαλύπτει τι κάνει, έτσι και η δομή μιας πρωτεΐνης μας βοηθά να κατανοήσουμε τη λειτουργία της.
Γι΄αυτό και η δυνατότητα πρόβλεψης της δομής των πρωτεϊνών παίζει τόσο σημαντικό ρόλο στη βιολογία και τη βιοχημεία και τελικά στην ανάπτυξη φαρμάκων και θεραπειών.
Ο προσδιορισμός και η κατανόηση της τρισδιάστατης δομής μιας πρωτεΐνης μπορούσε μέχρι σήμερα ν υπολογιστεί μόνο με πολυδάπανες και χρονοβόρες μεθόδους, όπως η κρυσταλλογραφία ακτίνων Χ και η κρυοηλεκτρονική μικροσκοπία.
Ως εκ τούτου, μέχρι πρότινος γνωρίζαμε την ακριβή τρισδιάστατη δομή μόνο ενός μικρού κλάσματος των πρωτεϊνών που είναι γνωστές στην επιστήμη, ενώ για τα τελευταία 50 χρόνια το πρόβλημα της αναδίπλωσης των πρωτεϊνών αποτελούσε ένα από τα μεγαλύτερα μυστήρια της βιολογίας.
Η εύρεση ενός τρόπου να κλείσουμε αυτό το ταχέως διευρυνόμενο χάσμα και να προβλέψουμε τη δομή εκατομμυρίων πρωτεϊνών θα μας βοηθήσει όχι μόνο να βρούμε νέα, αποτελεσματικά φάρμακα για ένα πλήθος ασθενειών, αλλά ίσως και να ξεκλειδώσει το μυστήριο για το πώς λειτουργεί η ίδια η ζωή.
Ποια είναι η DeepMind και τι είναι το AlphaFold
Το 2016 η DeepMind ανέλαβε αυτήν ακριβώς την πρόκληση, δημιουργώντας το σύστημα Τεχνητής Νοημοσύνης –ΑΙ- γνωστό ως AlphaFold.
Η DeepMind Technologies ιδρύθηκε τον Σεπτέμβριο του 2010 και το 2014 ο τεχνολογικός κολοσσός Google φρόντισε να περάσει στους κόλπους της. Σήμερα λοιπόν είναι η θυγατρική τεχνητής νοημοσύνης της Alphabet, εδρεύει στο Λονδίνο και έχει ερευνητικά κέντρα στον Καναδά, τη Γαλλία και τις Ηνωμένες Πολιτείες.
Τι είναι όμως το AlphaFold για το οποίο το επιστημονικό περιοδικό Science έγραψε ότι είναι η σημαντικότερη επιστημονική εξέλιξη του 2021;
Είναι ένα σύστημα Tεχνητής Nοημοσύνης -ΑΙ -που «διδάχθηκε» μέσω των αλληλουχιών και των δομών περίπου 100.000 γνωστών πρωτεϊνών. Έτσι σήμερα μπορεί να προβλέπει με σχετική ακρίβεια την τρισδιάστατη δομή πρωτεϊνών γνωρίζοντας μόνο την αλληλουχία των αμινοξέων τους, η οποία καθορίζεται από τα αντίστοιχα γονίδια.
Το AlphaFold μπορεί να προσδιορίσει τη δομή μιας πρωτεΐνης μέσα σε ελάχιστο χρόνο σε σχέση με τις μέχρι τώρα πειραματικές τεχνικές που χρειάζονταν χρόνια και εκατομμύρια δολάρια.
Πρόκειται για μια σημαντική ανακάλυψη και υπογραμμίζει τον αντίκτυπο που μπορεί να έχει η Tεχνητή Nοημοσύνη στην επιστήμη. Ένα σύστημα όπως το AlphaFold θα μπορούσε να επιταχύνει την πρόοδο σε πολλούς τομείς έρευνας που είναι σημαντικοί για την κοινωνία.
Πού χρησιμοποιείται ήδη το AlphaFold
Άλλωστε ήδη χρησιμοποιείται. Για παράδειγμα, το Drugs for NeglectedDiseases Initiative χρησιμοποιεί το AlphaFold προκειμένου να προχωρήσει την έρευνα του για θεραπείες ασθενειών που επηρεάζουν δυσανάλογα τα φτωχότερα μέρη του κόσμου.
Το Κέντρο Ενζυμικής Καινοτομίας στο Πανεπιστήμιο του Πόρτσμουθ (CEI) χρησιμοποιεί το AlphaFold για προβλέψεις που θα βοηθήσουν στη δημιουργία ταχύτερων ενζύμων για την ανακύκλωση ορισμένων από τα πιο ρυπογόνα πλαστικά μιας χρήσης.
Μια ομάδα στο Πανεπιστήμιο Boulder του Κολοράντο χρησιμοποιεί το AlphaFold για τη μελέτη της αντοχής στα αντιβιοτικά, ενώ μια ομάδα στο Πανεπιστήμιο της Καλιφόρνια το χρησιμοποίησε για την κατανόησή της βιολογίας του SARS-CoV-2.
Και ενώ η έρευνα πάνω στο AlphaFold συνεχίζεται, οι προβλέψεις του ξεκλειδώνουν ολοένα και περισσότερες νέες δυνατότητες στη βιολογική έρευνα.
Δωρεάν διάθεση της βάσης δεδομένων για κάθε επιστήμονα
Η DeepMind σκοπεύει να επεκτείνει σε μεγάλο βαθμό τη βάση δεδομένων AlphaFold Protein Structure μελετώντας και ξεκλειδώνοντας την αλληλουχία κάθε πρωτεΐνης που είναι γνωστή στην επιστήμη.
Αυτή η βάση δεδομένων «μοιράζεται» στην επιστημονική κοινότητα. Αυτή άλλωστε είναι και η φιλοσοφία του CASP του κοινοτικού φόρουμ που επιτρέπει στους ερευνητές να μοιραστούν την πρόοδο σχετικά με το πρόβλημα της αναδίπλωσης των πρωτεϊνών.
Η κοινότητα οργανώνει ανά δύο χρόνια την πρόκληση για ερευνητικές ομάδες να ελέγξουν την ακρίβεια των προβλέψεών τους σε σχέση με πραγματικά πειραματικά δεδομένα.
Μεταξύ των ομάδων που συμμετείχαν στο CASP13 το 2018, η AlphaFold κατέλαβε την πρώτη θέση στην πρόκληση πρόβλεψης πρωτεϊνικής δομής ενώ στο CASP14 το 2020 παρουσιάστηκε η τελευταία έκδοση του Alphafold, η οποία έχει πλέον φτάσει σε ένα επίπεδο ακρίβειας που θεωρείται ότι ξεκλειδώνει το σχήμα κάθε πρωτεΐνης στο ανθρώπινο σώμα, καθώς και το σχήμα των πρωτεϊνών 20 πρόσθετων οργανισμών στους οποίους βασίζονται οι επιστήμονες για την έρευνά τους, από το E.coli έως τη μαγιά και από τη μύγα των φρούτων μέχρι το ποντίκι.
Η κατάκτηση αυτή θα μετουσιωθεί σε ένα ανεκτίμητο εργαλείο για τους ερευνητές που αναζητούν θεραπείες για ασθένειες αλλά και για εκείνους που επιδιώκουν λύσεις σε άλλα μεγάλα προβλήματα που αντιμετωπίζει η ανθρωπότητα όπως η αντοχή των μικροβίων στα αντιβιοτικά, της ρύπανσης από τα μικροπλαστικά - μικροσκοπικές ίνες πλαστικού που αν και αόρατες εύκολα εισέρχονται στην τροφική αλυσίδα- αλλά και της κλιματικής αλλαγής.
Οι νέες γνώσεις για τη δομή των πρωτεϊνών αναμένεται να οδηγήσουν την έρευνα για την επίλυση των παραπάνω προβλημάτων σε νέα μονοπάτια επιστημονικών ανακαλύψεων και για αυτόν ακριβώς τον λόγο τα σύνολα των δεδομένων του AlphaFold θεωρούνται εξίσου σημαντικής βαρύτητας με εκείνα του ανθρώπινου γονιδιώματος.
Χάρη δε στη στενή συνεργασία τους τελευταίους μήνες με το Ευρωπαϊκό Ινστιτούτο Βιοπληροφορικής EMBL και το Ευρωπαϊκό Εργαστήριο Μοριακής Βιολογίας EMBL, όλος ο κόσμος μοιράζεται αυτόν τον πολύτιμο πόρο γνώσης, καθώς διατέθηκε δωρεάν σε κάθε επιστήμονα μια βάση δεδομένων που καλύπτει τις δομές του 98,5% των ανθρώπινων πρωτεϊνών και δεκάδες χιλιάδες πρωτεΐνες από 20 οργανισμούς μεγάλης βιολογικής σημασίας, όπως το παράσιτο της ελονοσίας και το βακτήριο της φυματίωσης.
Για να υπάρχει ένα μέτρο σύγκρισης για το πού ήμασταν και πού βαδίζουμε θα αναφέρουμε ότι μέχρι σήμερα η επιστήμη είχε προσδιορίσει μόνο το ένα τρίτο των ανθρώπινων πρωτεϊνών ενώ οι καταχωρήσεις στη βάση AlphaFold DB σχεδιάζεται να αυξηθούν τελικά στα 130 εκατομμύρια τρισδιάστατα μοντέλα, σύμφωνα με το EMBL.
Είναι συγκινητικό το γεγονός ότι αυτό το μεγάλο βήμα της επιστήμης βασίζεται τόσο στην εφευρετικότητα της ομάδας του AlphaFold της DeepMind σε συνδυασμό με τις εξελιγμένες αλγοριθμικές καινοτομίες της AI, όσο και στις ανακαλύψεις γενεών επιστημόνων, από τους πρώτους πρωτοπόρους της πρωτεϊνικής απεικόνισης και κρυσταλλογραφίας, έως τους χιλιάδες ειδικούς προβλέψεων και δομικούς βιολόγους που έχουν περάσει χρόνια πειραματιζόμενοι με πρωτεΐνες.
Οι νέες γνώσεις θα βοηθήσουν με τη σειρά τους αμέτρητους επιστήμονες στο έργο τους και θα ανοίξουν νέους δρόμους επιστημονικής ανακάλυψης. Υπό το πρίσμα αυτό, όπως ακριβώς είχαμε ισχυριστεί πέρυσι ότι η Αpple είναι πολλά περισσότερα από μια τεχνολογική εταιρεία, το ίδιο θα ισχυριστούμε για την Google. Αντιπροσωπεύει πολλά περισσότερα από μια εταιρεία τεχνολογίας καθώς αποτελεί έναν εκ των βασικών συντελεστών που θα αναμορφώσει την πραγματικότητα που θα παραδώσουμε στα παιδιά μας.
(σ.σ: Υψηλής σημασίας είναι οι ανακαλύψεις της DeepMind και στον τομέα της κβαντομηχανικής. Η τεχνολογία στρέφεται ολοένα και περισσότερο στην κβαντική κλίμακα προκειμένου να εξερευνήσει νέες δυνατότητες σχετικά με υλικά και φάρμακα συμπεριλαμβανομένων αυτών που δεν έχουμε δει ή φανταστεί ποτέ. Η Βαθιά Μάθηση υπόσχεται να προσομοιώσει με ακρίβεια την ύλη σε αυτό το κβαντομηχανικό επίπεδο, ανοίγοντας νέους δρόμους στην παραγωγή καθαρού ηλεκτρισμού ή στην ανάπτυξη υπεραγωγών υψηλής θερμοκρασίας που απαιτούν τον σχεδιασμό νέων υλικών με συγκεκριμένες ιδιότητες. Περισσότερα μπορείτε να διαβάσετε στο https://deepmind.com / )
*Αποποίηση Ευθύνης: Το υλικό αυτό παρέχεται για πληροφοριακούς και μόνο σκοπούς. Σε καμιά περίπτωση δεν πρέπει να εκληφθεί ως προσφορά, συμβουλή ή προτροπή για την αγορά ή πώληση των αναφερόμενων προϊόντων. Παρόλο που οι πληροφορίες που περιέχονται βασίζονται σε πηγές που θεωρούνται αξιόπιστες, ουδεμία διασφάλιση δίνεται ότι είναι πλήρεις ή ακριβείς και δεν θα πρέπει να εκλαμβάνονται ως τέτοιες.
Δεν υπάρχουν σχόλια
Παρακαλούμε σχολιασμούς επί της ουσίας.
Τα σχόλια σας δεν περνάν από έλεγχο γιατί πιστεύουμε ότι δεν θα θίγουν κάποιον προσωπικά με βρισιές και συκοφαντίες.
Τέτοιου είδους σχόλια δεν περνάν από έλεγχο, αλλά θα διαγράφονται μετά την δημοσίευση.
Παρακαλούμε να γράφετε σε πεζά και όχι κεφαλαία
-------------------------------------------------------------------------
Οι απόψεις του ιστολογίου δεν είναι απαραίτητο να συμπίπτουν με τα περιεχόμενα στου άρθρου.
Ο ΔΙΚΤΥΟΥΡΓΟΣ ουδεμία ευθύνη εκ του νόμου φέρει για τα άρθρα - αναρτήσεις που δημοσιεύονται και απηχούν τις απόψεις των συντακτών τους. Σε περίπτωση που θεωρείτε πως θίγεστε από κάποιο εξ αυτών ή ότι υπάρχει κάποιο σφάλμα, επικοινωνήστε μέσω, φόρμας επικοινωνίας.
Ευχαριστούμε