Jordklode robotarm talrække

Algoritme kan løse alle verdens problemer

Algoritmen AlphaFold har lært å etterligne et av kroppens vanskeligste knep. Resultatet blir nye legemidler mot enhver tenkelig sykdom. Men teknologien kan også løse andre problemer – ikke minst klimakrisen.

Algoritmen AlphaFold har lært å etterligne et av kroppens vanskeligste knep. Resultatet blir nye legemidler mot enhver tenkelig sykdom. Men teknologien kan også løse andre problemer – ikke minst klimakrisen.

Shutterstock

«Dette vil endre legevitenskapen. Det vil endre forskningen. Det vil endre bioteknologien. Det vil endre alt.»

Uttalelsen kommer fra den tyske molekylærbiologen Andrei Lupas, men han er bare én blant mange forskere som har hatt problemer med å skjule begeistringen sin for dataprogrammet AlphaFold.

Programmet, som bruker kunstig intelligens, har på noen få år kartlagt formen på hundretusenvis av proteiner, blant annet ett som Lupas og kollegene hans forgjeves hadde jobbet med i over et tiår.

Og proteinenes form er helt avgjørende for utviklingen av legemidler mot alt fra koronavirus til kreft.

98,5 prosent av menneskets proteiner har allerede blitt kartlagt av AlphaFold.

AlphaFold blir av mange betraktet som en av århundrets største vitenskapelige gjennombrudd – og teknologien bak, utviklet av firmaet DeepMind, som nå er eid av Google, vil ikke bare revolusjonere legevitenskapen.

Den kan også hjelpe oss med å skape mer presise værvarsler, utvikle nye dataprogrammer og løse klimakrisen.

AlphaFold knekker kode

Proteiner er både byggesteiner og arbeidere. De holder sammen cellene dine og får fart på de kjemiske prosessene i kroppen din. De er involvert i alt som foregår i kroppen din – også når du er syk.

Veien til å behandle en hvilken som helst sykdom går ofte via proteiner, og ved å kjenne formen på de proteinene som spiller en rolle i sykdommen, kan forskerne designe effektive legemidler som binder seg til proteinene og påvirker dem på en hensiktsmessig måte.

Å kartlegge et proteins form imidlertid er ikke enkelt. Et protein består av en lang kjede av såkalte aminosyrer, og forskerne kan uten problemer kartlegge typen og rekkefølgen av alle aminosyrene i proteinet. Men kjeden folder seg sammen til en klump, og det er her forskerne kommer til kort.

Demis Hassabis og Mustafa Suleyman

Barndomsvennene Demis Hassabis (til venstre) og Mustafa Suleyman (til høyre) grunnla i 2010 DeepMind sammen med studiekameraten Shane Legg.

© Tobias Hase/AP/Ritzau Scanpix/Michael Bowles/Shutterstock

Proteinet kan folde seg sammen på et nærmest uendelig antall ulike måter. Likevel folder det seg alltid sammen på én bestemt måte i cellene. Formen kan ikke ses i et mikroskop fordi proteinene er så små. Og ingen mennesker kan forutsi hvilken form et protein vil ta – men det kan AlphaFold.

Programmets hemmelighet er en smidig form for kunstig intelligens som lærer av erfaringene sine. Før den tok vitenskapen med storm, ble teknologien imidlertid testet av på en noe enklere utfordring: gamle dataspill.

Program øver seg på spill

DeepMind, firmaet bak AlphaFold, satte i 2013 sin nyutviklede teknologi til å spille gamle dataspill, som for eksempel Space Invaders. Den kunstige intelligensen ble raskt ekspert på spillene – og det skjedde via ren og skjær øvelse. Den hadde ikke fått innkodet spillets regler.

I 2014 kjøpte Google DeepMind, og et par år senere skapte firmaet igjen overskrifter da teknologien slo en av verdens beste go-spillere, Lee Sedol. Go er et brettspill som ikke bare krever logikk, analyse og strategi, men også intuisjon og kreativitet.

Go Deepmind Lee Sedol
© GOOGLE DEEPMIND/AFP/Ritzau Scanpix

DeepMind slo stormester

Go er et av verdens eldste brettspill, og selv om spillet på overflaten minner om sjakk, med svarte og hvite brikker på en plate inndelt i firkanter, er det mye mer innviklet. Spillets kompleksitet gjør det umulig å knekke med ren regnekraft, men DeepMinds kunstige intelligens klarte oppgaven. Algoritmen lærte seg selv en effektiv strategi og slo i 2016 en av verdens beste go-spillere, Lee Sedol, i fire av fem spill.

Dataprogrammer har tidligere slått menneskelige brettspillere – for eksempel da IBMs program Deep Blue i 1997 slo verdensmesteren i sjakk, Garri Kasparov – men i motsetning til tidligere hadde ikke DeepMinds kunstige intelligens fått innkodet sannsynlighetsberegninger av menneskelige programmerere. Akkurat som med dataspillene hadde den lært seg selv å spille.

Teknologiens unike evne til å lære selv og til å forstå sammenhenger som krever mer enn bare enkel logikk, skal nå hjelpe oss med å løse en rekke sentrale samfunnsproblemer.

DeepMinds algoritme har allerede lært seg å kode dataprogrammer like effektivt som et utlært menneske. Den overgår tidligere metoder til å forutsi plutselige endringer i været. Den har bevist at den kan gjøre produksjon av vindenergi minst 20 prosent mer lønnsom. Og så kan den diagnostisere brystkreft med større presisjon enn en lege.

Dens største gjennombrudd så langt har imidlertid vært kartleggingen av proteiners form.

Algoritme sjokkerte forskerne

Annethvert år siden 1994 har forskere avholdt konkurranser der ulike algoritmer kjemper om å forutsi proteiners form mest presist. Algoritmenes resultater blir hver gang sammenlignet med de relativt få proteinene som forskerne gjennom møysommelig laboratoriearbeid allerede kjenner formen på.

AlphaFold deltok første gang i 2018 og vant knepent med en presisjon på 70 prosent. To år senere sjokkerte den alle deltakere med en presisjon på over 90 prosent – en prestasjon som mange ikke trodde var mulig med dagens teknologi.

Proteiner består vanligvis av kjeder av flere hundre aminosyrer. Og i 50 år har forskerne forsøkt å forstå hvordan de lange kjedene folder seg sammen. Nå har algoritmen AlphaFold knekt koden.

© Shutterstock

1. Arter stilles opp på rekke

AlphaFold sammenligner proteinets aminosyrekjede (øverste rekke) med lignende proteiner fra ulike dyr (tre nedre rekker). Noen aminosyrer (nummer 1, 3 og 6) er like for alle arter, andre har mutert i løpet av artenes evolusjon.

© Shutterstock

2. Mutasjoner avslører naboer

Algoritmen finner par av aminosyrer som muterer i takt, altså når den ene aminosyren (nummer 2) har mutert, er den andre (nummer 5) som regel også mutert. Takten skyldes antagelig at de to aminosyrene sitter tett sammen i proteinet.

© Shutterstock

3. Struktur sjekkes og justeres

Algoritmen skaper en modell av proteinet der kjeden bøyes slik at de utvalgte aminosyrene (nummer 2 og 5) blir naboer. Den forbedrer deretter igjen og igjen modellen helt til flest mulig nabopar fra hele proteinet er brakt sammen.

© Shutterstock

4. Algoritme bygger ferdig modell

Algoritmen gir til slutt sitt endelig forslag til proteinets form. Strukturen kan deretter eventuelt sammenlignes med eksisterende kunnskap om proteinet slik at algoritmen kan lære av eventuelle feil og forbedre spådommene sine framover.

AlphaFold kan fortsatt forbedres, men programmet har kommet fram til en fase der forskerne kan bruke det aktivt. DeepMind har lagt ut formen på omkring en million ulike proteiner i en offentlig tilgjengelig database, og de første forskningsprosjektene har allerede brukt den.

Det kinesiske legemiddelselskapet Insilico Medicine har for eksempel designet et nytt middel som kanskje kan brukes mot leverkreft. Designprosessen ville tidligere ha tatt årevis, men denne gangen tok det bare 30 dager – takket være AlphaFold og flere andre typer kunstig intelligens.

Bedriftens forskere brukte først kunstig intelligens til å finne et protein som spilte en viktig rolle i sykdommen. Deretter brukte de AlphaFold til å kartlegge proteinets form – og til slutt et tredje program til å skape et legemiddel som passet perfekt inn i proteinet.

Legemiddelet er fortsatt ikke testet i den virkelige verden, men prosjektet varsler om en ny epoke i legevitenskapen – og om en bølge av nye legemidler mot enhver tenkelig sykdom.