Bioloogias on väga oluline teada valkude ruumilist ehitust: iga valgu kolmemõõtmeline struktuur määrab ära, kuidas see elusorganismis käitub ja talitleb. Niisuguse teadmiseta on raske mõista haiguste olemust ja keeruline luua neid tõrjuvaid täppisravimeid, vahendab Scientific American.

Teadlased on valkude täpset voltumist uurinud juba aastakümneid. Pikalt oligi see bioloogias üks suuremaid pudelikaelu: piltlikult öeldes oli iga valgustruktuuri kirjeldamine mahult võrreldav doktoritööga. Mõne aja eest tegi Google’i Deepmind oma tehisaruga AlphaFold valdkonnas läbimurde. Mudelit saatnud edu andis tõuke üleilmsele tehnoloogilisele võidujooksule ja saavutust on nüüdseks pärjatud Nobeli keemiapreemiaga. 

Info loodusest enesest

Nüüd astus samale areenile San Franciscos tegutsev biomeditsiini instituut Chan Zuckerberg Biohub. Instituudi teadusjuhi Alex Rivesi meeskond töötas välja mudeli ESMFold2, mis tugineb miljardite valgujärjestuste peal treenitud keelemudelile. Töörühma hinnangul edestab nende lahendus nii AlphaFoldi uusimat versiooni kui ka teisi samalaadseid tehisarusid.

Uus süsteem eristub konkurentidest eelkõige oma mahu poolest. Teadlased koondasid uude atlasesse 1,1 miljardi valgu ennustatud struktuurid. Lisaks sisaldab andmebaas infot 6,8 miljardi valgujärjestuse kohta, mida polnud seni põhjalikult kirjeldatud. See seljatab suurelt varasemad, ligikaudu paarisaja miljoni kirjega andmebaasid.

Suur osa mudeli andmetest pärineb otse loodusest ehk metagenoomilistest järjestustest. Teadlased eraldasid analüüsitud pärilikkusainet mullast, ookeaniveest ja muudest elukeskkondadest, mida näiteks AlphaFoldist ei leia.

Projekti eestvedaja Alex Rivesi sõnul teeb ESMFold2 valkude komplekside ja vastasmõjude määramisel senistele lahendustele – sealhulgas AlphaFold3-le – silmad ette. Näiteks suudab see täpsemini näidata, kuidas antikehad oma sihtmärkide ehk antigeenide külge haakuvad.

Värskes eeltrükis kirjeldavad uurijad, kuidas nad lasid mudelil disainida uusi antikehi ja teisi valke,  mis klammerduksid tugevalt vähi ja immuunhaigustega seotud valkude külge. Kui uurijad valgud valmis sünteesisid ja katseklaasis proovile panid, selgus, et suur osa neist töötaski täpselt nii, nagu masin ennustas. 

ESMFold2 ei paista silma pelgalt oma mastaabiga, vaid tõotab kõigutada tehisaruarendajate senist võimudünaamikat. Uus atlas ja mudel on täiesti avatud lähtekoodiga. See tähendab, et neid tohib äritegevuseks piiramatult kasutada. Teised suurettevõtted, nagu Google DeepMindist välja kasvanud Isomorphic Labs, pakuvad seevastu pigem suletud lahendusi. Avatud teaduse pooldajatele on tasuta tööriistad oluline võit.

Uuringuga mitte seotud Massachusettsi Tehnoloogiainstituudi arvutusbioloog Sergey Ovchinnikov märkis, et tänu vabale kasutusloale levib uus mudel ilmselt laialt. Tema sõnul hakkab uus atlas siiski senist AlphaFoldi andmebaasi pigem täiendama, mitte asendama. Rootsi Lundi Ülikooli arvutusbioloog Gemma Atkinson nimetas atlast seevastu bioloogia vallas erakordseks ressursiks. Suured keelemudelid oskavad tema hinnangul hästi ära tabada valkude bioloogia põhireegleid.

Kiirem ravimiarendus?

Teadlased ongi juba leidnud kirjeldatud andmebaasist uusi seoseid. Näiteks tuvastasid nad struktuurse sarnasuse mikroobide kaitsesüsteemide ja ühe mullaseene geene redigeeriva valgu vahel. Bioloogid leiavad sarnaseid geenitöötlusvalke üha enam ka teistest päristuumsetest liikidest. Edasine analüüs võiks aidata ühendada varem kaardistatud valdkonnad kaardistamata ala ehk looduse n-ö tumeainega.

Vaba juurdepääsu kõrval paistab ESMFold2 silma toore võimekusega. Eriti hästi suudab see hinnata mitme vastastikmõjus valgu struktuuri. Töörühma andmetel ennustab mudel varasematest lahendustest paremini, kuidas omavahel kokku puutuvad valgukompleksid täpselt paiknevad. Keerulisemaid bioloogilisi süsteeme mudeldades on taolised seosed eriti olulised.  Eelis annab lootust, et uusi teadmisi saab meditsiinis ka päriselt ära kasutada.

Edusammudele vaatamata nendivad teised teadlased, et süsteemil on omad kitsaskohad. Souli Rahvusliku Ülikooli teadlase Martin Steineggeri sõnul tuleb veel tõestada, et  mudel suudab ennustada juba tuntud valkudest tugevalt erinevaid struktuure. Esimese põlvkonna ESMFoldiga saadud kogemuste põhjal valmistas ebatavaliste struktuuride tuvastamine tehisarule raskusi. University College Londoni arvutusbioloog Christine Orengo nentis aga, et kõik masina ennustused tuleb edaspidi põhjalikult üle vaadata.