Perché l’AI di Google vuole scoprire nuove proteine / Because Google's AI wants to discover new proteins

Perché l’AI di Google vuole scoprire nuove proteineBecause Google's AI wants to discover new proteins

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa


proteine


L’intelligenza artificiale di Google è ora in grado di predire le forme tridimensionali in cui si assemblano le proteine: sarà utile per lo sviluppo di nuovi farmaci 
È un’attività che ricorda un po’ gli origami giapponesi, o i puzzle.Perché si tratta di assemblare, una alla volta, con infinita pazienza, molecole di forma e dimensione diverse per creare strutture tridimensionali più grande e complesse, le proteine. Ovvero i blocchi fondamentali della vita. E i computer, che di pazienza ne hanno certamente parecchia, sembrano essere sulla buona strada: gli esperti di Google  hanno appena dichiarato, nel corso di una conferenza internazionale appena conclusa a Cancun, che AlphaFold,un software basato sul programma di intelligenza artificiale DeepMind, è riuscito a “costruire” strutture proteiche tridimensionali con efficacia e velocità senza precedenti. Un risultato, dicono gli esperti, che potrà essere di grande aiuto nel campo della ricerca medica e farmacologica, e in particolare per la sintesi di nuovi principi attivi.

Dal Go alle proteine

“Per noi, questo è un momento cruciale”, ha spiegato Demis Hassabis, cofondatore e amministratore delegato di DeepMind. “Il progetto sulle proteine è un faro che rappresenta il primo grande investimento in termini di personale e risorse per affrontare un problema scientifico di importanza fondamentale”.Dell’intelligenza di DeepMind non c’è da dubitare: il software, in passato, era riuscito infatti a sconfiggere Lee Sedol, campione mondiale del gioco cinese del Go; ma ora la posta in gioco è molto più alta. “La sfida al gioco del Go”, continua Hassabis, “era per noi una sorta di allenamento. L’obiettivo primario di DeepMind non è quello di sconfiggere gli esseri umani nei giochi da tavolo, ma di sviluppare algoritmi per problemi reali, proprio come quello della struttura delle proteine”.

La fabbrica migliore? Il corpo umano

Il corpo umano, di per sé, è già un’impressionante fabbrica di proteine, come ricorda il Guardian in un approfondimento sul tema. Secondo le stime più recenti, sarebbe in grado di sintetizzarne un numero altissimo, variabile tra le decine e le migliaia di miliardi. Ciascuna proteina è costituita da una catena di aminoacidi – che esistono in 20 varietà diverse – ripiegata e orientata in modo diverso rispetto alle altre. Per un totale di circa 10300 combinazioni possibili, ossia uno seguito da trecento zeri. Ecco perché avere l’aiuto di un computer intelligente può davvero fare la differenza.

Vincitore su tutti i fronti

DeepMind,e in particolare AlphaFold, ha partecipato alla competizione Critical Assessment of Structure Prediction (Casp), un concorso biennale che coinvolge diversi gruppi di ricerca da tutto il mondo dedicato, per l’appunto, alla sintesi proteica. Scopo della competizione,per l’esattezza, è la previsione di strutture di proteine a partire da liste di aminoacidi inviati ai partecipanti ogni giorno per diversi mesi. L’équipe che invia le previsioni più accurate vince: e quest’anno, per l’appunto, è toccato ad AlphaFold, che ha superato i suoi 98 concorrenti costruendo con successo la struttura più accurata di 25 proteine su 43, rispetto alle 3 su 43 della squadra che si è classificata al secondo posto nella stessa categoria. Ecco come funziona: DeepMind si è “allenata” studiando la struttura di migliaia di proteine note, fino a che non è diventata in grado di replicare quello che aveva imparato a partire da una lista di aminoacidi. In particolare, la rete neurale di AlphaFold comincia creando una struttura “di prova” in cui ottimizza le distanze tra le coppie di aminoacidi e gli angoli tra i legami chimici che li connettono; in un secondo step, modifica tale struttura fino a trovare la disposizione che meglio ne ottimizza l’energia, il tutto in un paio d’ore. “Non abbiamo ancora risolto del tutto il problema della sintesi proteica”, conclude Hassabis. “Ma questo risultato rappresenta un primo passo molto emozionante. Abbiamo ancora tantissime idee da implementare”.
ENGLISH
Google's artificial intelligence is now able to predict the three-dimensional shapes in which proteins are assembled: it will be useful for the development of new drugs
It is an activity that reminds a bit of Japanese origami, or puzzles. Because it involves assembling, one at a time, with infinite patience, molecules of different shapes and sizes to create larger and more complex three-dimensional structures, proteins. That is the fundamental blocks of life. And computers, which have certainly a lot of patience, seem to be on the right track: Google experts have just stated, during an international conference just ended in Cancun, that AlphaFold, a software based on the artificial intelligence program DeepMind, has managed to "build" three-dimensional protein structures with unprecedented efficiency and speed. A result, experts say, that can be of great help in the field of medical and pharmacological research, and in particular for the synthesis of new active ingredients.
From Go to proteins
"For us, this is a crucial moment," explained Demis Hassabis, co-founder and CEO of DeepMind. "The protein project is a beacon that represents the first major investment in terms of personnel and resources to tackle a critically important scientific problem." There is no doubt about DeepMind's intelligence: software had in the past succeeded. in fact to defeat Lee Sedol, world champion of the Chinese game of Go; but now the stakes are much higher. "The challenge to the game of Go", Hassabis continues, "was a sort of training for us. The primary goal of DeepMind is not to defeat human beings in board games, but to develop algorithms for real problems, just like the structure of proteins ".
The best factory? The human body
The human body itself is already an impressive protein factory, as the Guardian remembers in an in-depth study on the subject. According to the most recent estimates, it would be able to summarize a very high number, varying between tens and thousands of billions. Each protein is made up of a chain of amino acids - which exist in 20 different varieties - folded and oriented differently than the others. For a total of about 10300 possible combinations, that is one followed by three hundred zeros. That's why having the help of a smart computer can really make the difference.
Winner on all fronts
DeepMind, and in particular AlphaFold, participated in the competition Critical Assessment of Structure Prediction (Casp), a two-year competition that involves different research groups from around the world dedicated, in fact, to protein synthesis. The aim of the competition, to be precise, is the prediction of protein structures starting from lists of amino acids sent to the participants every day for several months. The team that sends the most accurate forecasts wins: and this year, precisely, it was up to AlphaFold, which surpassed its 98 competitors by successfully building the most accurate structure of 25 proteins out of 43, compared to 3 on 43 of the team that ranked second in the same category. Here's how it works: DeepMind has "trained" studying the structure of thousands of known proteins, until it has become able to replicate what he had learned from a list of amino acids. In particular, the AlphaFold neural network begins by creating a "test" structure in which it optimizes the distances between the amino acid pairs and the angles between the chemical bonds that connect them; in a second step, change this structure until you find the arrangement that best optimizes the energy, all in a couple of hours. "We have not yet completely solved the problem of protein synthesis", concludes Hassabis. "But this result represents a very exciting first step. We still have a lot of ideas to implement ".
Da:
https://www.galileonet.it/2018/12/ai-google-scoprire-proteine/

Commenti

Post popolari in questo blog

Paracetamolo, ibuprofene o novalgina: quali le differenze? / acetaminophen, ibuprofen, metamizole : what are the differences?

Diminuire l'ossigeno per aumentare la longevità? / Decrease Oxygen to Boost Longevity?

Sci-Fi Eye: il nostro futuro urbano / Sci-Fi Eye: Our Urban Future