# Miljardi kirjega valguatlas kiirendab täppis- ja vähiravimite arendust

- Link: https://kihulane.eu/arhiiv/193216
- Published: 2026-06-01T14:48:00+03:00
- Author: RSS

![](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///ywAAAAAAQABAAACAUwAOw==)

Chan Zuckerberg Biohubi teadlased lõid uue tehisarumudeli ESMFold2, mis suudab ennustada
enam kui miljardi valgu struktuuri. Avatud lähtekoodiga valguatlas ületab mahult
seni turgu valitsenud Google Deepmindi lahendusi mitmesaja miljoni kirje võrra.

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](https://www.scientificamerican.com/article/new-protein-folding-ai-vastly-expands-on-alphafolds-efforts/).

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.

[Loe allikast edasi](https://novaator.err.ee/1610043490/miljardi-kirjega-valguatlas-kiirendab-tappis-ja-vahiravimite-arendust)

![](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///ywAAAAAAQABAAACAUwAOw==)