Ο Demis Hassabis και ο John Jumper της εταιρείας DeepMind στο Λονδίνο, αναγνωρίστηκαν για τη δημιουργία του εργαλείου που πρόβλεψε τις τρισδιάστατες δομές σχεδόν κάθε γνωστής πρωτεΐνης στον πλανήτη. «Λίγες ανακαλύψεις αλλάζουν τόσο δραματικά ένα πεδίο, τόσο γρήγορα», σχολιάζει ο Mohammed AlQuraishi, υπολογιστικός βιολόγος στο Πανεπιστήμιο Columbia στη Νέα Υόρκη στο περιοδικό Nature. «Έχει αλλάξει πραγματικά την πρακτική της δομικής βιολογίας, τόσο της υπολογιστικής όσο και της πειραματικής». Οι ερευνητές απέσπασαν στις 22 Σεπτεμβρίου ένα από τα πέντε βραβεία που απονέμονται για επιτεύγματα στις βιοεπιστήμες, τη φυσική και τα μαθηματικά.
Το AlphaFold ακολούθησε την επιτυχία του AlphaGo της DeepMind. Ήταν η τεχνητή νοημοσύνη που το 2016 σημείωσε μια ιστορικής σημασίας νίκη στο κινέζικο παιχνίδι στρατηγικής GO, κερδίζοντας τον παγκόσμιο πρωταθλητή Lee Sedol στη Σεούλ. Το AlphaGo δεν κέρδισε τότε μόνο τον πρώτο αγώνα, αλλά τρεις συνεχόμενους.. «Αυτό ήταν το αποκορύφωμα της τεχνητής νοημοσύνης παιχνιδιών, αλλά ποτέ δεν ήταν αυτοσκοπός», λέει ο Hassabis στο Nature. «Ήθελα να δημιουργήσω AI για να επιταχύνω την επιστημονική ανακάλυψη». Την επομένη της επιστροφής από τη Σεούλ η ομάδα έστρεψε την προσοχή της στην αναδίπλωση των πρωτεϊνών.
Το AlphaFold προκάλεσε σάλο τον Νοέμβριο του 2020 κερδίζοντας κατά τον διαγωνισμό CASP (Critical Assessment of Structure Prediction) περίπου 100 άλλα προγράμματα λογισμικού. Μια παλαιότερη έκδοση του AlphaFold είχε κερδίσει το 2018. «Με τη μηχανική μάθηση βρέθηκε η σωστή ισορροπία μεταξύ της αρχιτεκτονικής, των περιορισμών της υποκείμενης επιστήμης και των δεδομένων», λέει ο Jumper.
Από τον Ιούλιο του 2021 που η DeepMind κυκλοφόρησε μια έκδοση ανοιχτού κώδικα του AlphaFold περισσότεροι από μισό εκατομμύριο ερευνητές έχουν χρησιμοποιήσει το σύστημα μηχανικής μάθησης, παράγοντας χιλιάδες δημοσιεύσεις.. Τον περασμένο Ιούλιο η DeepMind κυκλοφόρησε προβλεπόμενες δομές για περισσότερες από 200 εκατομμύρια πρωτεΐνες. «Ουσιαστικά, μπορείτε να σκεφτείτε ότι το πρόγραμμα καλύπτει ολόκληρο το πρωτεϊνικό σύμπαν. Περιλαμβάνει δομές πρόβλεψης για φυτά, βακτήρια, ζώα και πολλούς άλλους οργανισμούς, ανοίγοντας στο AlphaFold τεράστιες νέες ευκαιρίες να επηρεάσει σημαντικά ζητήματα, όπως η βιωσιμότητα, η επισιτιστική ανασφάλεια και οι παραμελημένες ασθένειες», δήλωνε τότε στον Guardian ο Demis Hassabis, ιδρυτής της DeepMind και γενικός διευθυντής της.
Οι προβλέψεις της πρωτεϊνικής δομής με το AlphaFold χρησιμοποιούνται ήδη με χιλιάδες τρόπους και σύμφωνα με μια τελευταία ανάλυση που έκαναν οι επιστήμονες της DeepMind, θα πυροδοτήσουν μια χιονοστιβάδα νέων και συναρπαστικών ανακαλύψεων τους επόμενους μήνες και χρόνια. Και όλα αυτά χάρη στο γεγονός ότι τα δεδομένα είναι διαθέσιμα σε όλους και ανοιχτά προς χρήση.
Οι ελεύθερα διαθέσιμες δομές έχουν επίσης ενσωματωθεί σε άλλα δημόσια σύνολα δεδομένων, όπως τα Ensembl, UniProt και OpenTargets, όπου εκατομμύρια χρήστες έχουν πρόσβαση σε αυτές ως μέρος των καθημερινών ροών εργασίας τους.
Ο Hassabis έμεινε «έκπληκτος» όταν έμαθε ότι είχε κερδίσει ένα βραβείο Breakthrough και ο Jumper δεν μπορούσε να πιστέψει ότι ήταν αληθινό. Ο Hassabis σχεδιάζει να προσφέρει μερικά από τα κέρδη του σε εκπαιδευτικά προγράμματα για την ενίσχυση της διαφορετικότητας, καθώς και σε πρωτοβουλίες που υποστηρίζουν σχολεία στο αγροτικό Νεπάλ.
doi: https://doi.org/10.1038/d41586-022-02999-9
