Toppen! Nu Àr du prenumerant pÄ Warp News
HÀrligt! Genomför ditt köp i kassan för full tillgÄng till Warp News
Varmt vÀlkommen tillbaka! Du Àr nu inloggad.
Tack! Kolla din inkorg för att aktivera ditt konto.
Klart! Din faktureringsinformation Àr nu uppdaterad.
Uppdateringen av faktureringsinformationen misslyckades.
đŸ§« Ett ofattbart genombrott – som nĂ€stan ingen hört talas om

đŸ§« Ett ofattbart genombrott – som nĂ€stan ingen hört talas om

I nÀstan femtio Är har en av biologins stora utmaningar gÀckat oss mÀnniskor. Att förstÄ hur protein ser ut, vilket hjÀlper till att fÄ fram lÀkemedel och spara liv. SÄ plötsligt, förra Äret, knÀckte en AI gÄtan. Men det visade sig bara vara början pÄ nÄgot Ànnu större.

Mathias Sundin
Mathias Sundin

NĂ€r vetenskapstidningen Science utser Årets genombrott Ă€r det oftast för nĂ„got som skett i ett laboratorium. Aldrig har utmĂ€rkelsen gĂ„tt till en dator, eller rĂ€ttare sagt till en artificiell intelligens, en AI.

Men 2021 hÀnde det.

Inte bara en, utan tvÄ AI vann utmÀrkelsen för ett nÀstan ofattbart genombrott som i femtio Är har varit en av biologins stora utmaningar, Grand Challenges.

En femtioÄrig utmaning

I sitt tacktal för Nobelpriset i kemi, 1972, menade pristagaren Christan Anfinsen att det en dag skulle vara möjligt att förutsÀga utseendet pÄ en protein bara genom att kÀnna till sekvensen pÄ aminosyrorna som bygger den.

Christan Anfinsen. Foto Wikimedia.

Proteiner Ă€r vĂ„r kropps arbetshĂ€star. De omvandlar mat till energi som vi kan anvĂ€nda, slĂ„ss mot inkrĂ€ktare och transporterar syre i blodet – och mycket mer. Att förstĂ„ proteiner Ă€r dĂ€rför vĂ€ldigt viktigt för att förstĂ„ vĂ„r kropp, sjukdomar som angriper den och ta fram effektiva lĂ€kemedel.

Bra förklaring av hur proteiner och aminosyror fungerar.

Att ta reda pÄ hur ett protein ser ut, hur den viker sig, gÄr att göra i ett labb, men tar ofta flera Är och kan kosta miljontals kronor. Bara i mÀnniskokroppen finns hundratusentals protein och i andra arter miljoner och miljarder protein.

Kan datorer snabba pÄ utvecklingen?

Vi borde kunna anvÀnda datorer och deras snabba berÀkningsförmÄga för att knÀcka detta problem, menade forskarna John Moult och Krzysztof Fidelis och lanserade en tÀvling.

Vartannat Är fÄr lag tÀvla mot varandra och fÄr poÀng baserat pÄ hur nÀra de kommer ett proteins verkliga struktur. För att nÄ samma klass som ett labb krÀvs minst 90 poÀng. TÀvlingen startade 1994 och fram till 2016 hade inget lag ens kommit nÀra den nivÄn.

2018 - AlphaFold gör entré

AlphaFold heter en AI utvecklad av Googles AI-bolag DeepMind. Direkt vann man tÀvlingen med en poÀng bÀttre Àn nÄgot lag tidigare i tÀvlingens historia, dock inte 90 poÀng.

TvÄ Är senare, 2020, stÀllde AlphaFold upp igen och för första gÄngen passerade en AI 90-poÀngsnivÄn med ett genomsnittligt resultat pÄ 92,4.

DeepMinds grundare, Demis Hassabis. Foto: Wikimedia

Ordföranden i Royal Society, Nobelpristagaren Venki Ramakrishnan jublade:

"Detta Àr ett hÀpnadsvÀckande framsteg nÀr det gÀller proteinveckningsproblemet, en 50-Ärig 'grand challenge' inom biologi. Det har intrÀffat Ärtionden innan mÄnga mÀnniskor i fÀltet har förutsett."

Men detta var inte genombrottet som Science prisade, för det som följde direkt efter var Ànnu mer hÀpnadsvÀckande.

Det verkliga genombrottet

I juli 2021 meddelade ett team lett av David Baker frÄn University of Seattle att deras AI, RoseTTAFold, hade kartlagt utseendet pÄ hundratals proteiner, med en metod snarlik den DeepMind anvÀnde.

NÄgra veckor senare var det DeepMinds tur. AlphaFold hade kartlagt utseendet pÄ 350 000 av mÀnniskokroppens protein, motsvarande 44 procent alla kÀnda mÀnnisko-protein. Under de kommande mÄnaderna kartlade de hundra miljoner protein frÄn en mÀngd arter, vilket utgör ungefÀr hÀlften av alla protein vi kÀnner till.

Inte nog med det, de började ocksÄ kartlÀgga hur proteiner binds samman och interagerar med varandra och hunnit med över 5000 sÄdana kopplingar.

Det var denna utveckling som Science belönade.

Exponentiell tillvÀxt - frÄn lÄngsamt till vÀldigt snabbt

Vi mÀnniskor har svÄrt att förstÄ exponetiell tillvÀxt. NÀr nÄgot dubblas gÄng pÄ gÄng ser det först ut som ingenting hÀnder, men plötsligt blir talen som dubblas enorma.

Antalet transistorer per chip var ett (1) Ă„r 1959. Det dubblades till tvĂ„ Ă„r 1960, fyra 1961, Ă„tta 1962 och sĂ„ vidare. NĂ€r Gordon Moore Ă„r 1965 skrev en artikel som blev grunden det vi idag kallar Moores lag var antalet 64 transistorer per chip. År 2017 var det 19,2 miljarder.

Det Àr grunden det vi har sett hÀnda inom AI och proteinomrÄdet. Allt kraftfullare datorer kombinerat med allt bÀttre maskininlÀrning gjorde att vi gick frÄn en till synes lÄngsam utveckling till en explosiv utveckling.

En damm som brister

NÀr vattnet hittar en spricka i dammen kan det gÄ snabbt. FrÄn en liten glipa dÀr vattnet pressar sig igenom till att hela dammen spricker och allt vatten vÀller fram.

NÀr AlphaFold vann tÀvlingen 2018 sÄ började vattnet leta sig fram till en spricka. 2020 nÄdde vattnet igenom och 2021 sprack dammen och pÄ ett Är gick man frÄn att kunna kartlÀgga nÄgon enstaka protein till miljoner proteiner.

AlphaFold2 och RoseTTAFold Àr nu open source och tillgÀngligt för forskare runt om i vÀrlden.

Vi kommer se det hÀr igen

Med Moores lag och den snabba AI-utveckling kommer vi gÄng pÄ gÄng uppleva liknande dramatiska genombrott. SjÀlvkörande bilar Àr ett sÄdant. NÀr vi löst problemet kommer vi snabbt se hur det sprids till alla sorters fordon.

Mathias Sundin

Ps. Om du Àr intresserad av bakgrunden till AlphaFold sÄ skrev jag om det förra Äret. VÀgen till genombrottet gick genom att spela spel.

🧬 FrĂ„n spel till vetenskapligt genombrott - historien om AlphaFold
Historien om datorer som tÀvlar mot mÀnniskor Àr lÄng och vÀcker ofta enorm uppmÀrksamhet. Men vad Àr det bra för? Vad betyder det om en dator kan vinna i schack, Go eller Starcraft? Vi fick svaret nÀr AlphaFold löste en 50-Ärig utmaning inom biologi.

FĂ„ ett gratis veckobrev med
faktabaserade optimistiska nyheter