AlphaFold sagte die Form eines Proteins aus seiner Sequenz voraus, statt sie zu messen

Die Aufgabe eines Proteins hängt von seiner 3-dimensionalen Form ab, und allein die Kenntnis der Sequenz verrät nicht die Form. Die experimentelle Bestimmung einer Struktur kann für ein Forschungsteam Monate bis Jahre dauern, weshalb trotz Milliarden von Proteinsequenzen nur etwa 100.000 einzigartige Proteinstrukturen bekannt waren.

DeepMinds AlphaFold griff das Problem rechnerisch an. Es wurde mit den Strukturen trainiert, die Wissenschaftler bereits gelöst hatten, und nutzte die Evolution als Signal: Sequenzen, die einen gemeinsamen Vorfahren teilen, müssen sich ähnlich falten, sodass Multi-Sequenz-Alignments Informationen darüber tragen, welche Teile eines Proteins im Raum nahe beieinander liegen.

Das Netzwerk erzeugt dann die 3D-Koordinaten jedes Atoms allein aus einer Sequenz. In der blinden CASP14-Bewertung war es für die meisten Ziele mit experimentellen Strukturen vergleichbar und übertraf alle früheren Berechnungen bei Weitem, indem es in Minuten leistete, was sonst ein Labor Jahre kosten könnte.

Der Erfolg war nicht ein größeres Modell um seiner selbst willen; der Schlüssel lag darin, physikalisches und evolutionäres Wissen in die Architektur zu kodieren und es dann über den enormen Raum ungesehener Proteine generalisieren zu lassen.

Die Form vorhersagen, nicht jede einzelne messen

Die experimentelle Strukturbestimmung ist einer der langsamsten und teuersten Schritte in der Biologie, sodass ihre Ersetzung durch Vorhersage den Maßstab dessen verändert, was untersucht werden kann.

Multi-Sequenz-Alignments lassen die Evolution die Messung ersetzen und geben dem Modell ein großes privates Trainingssignal jenseits der wenigen bekannten Strukturen.

Das Modell löst eine allgemeine Aufgabe, sodass es auch dann funktioniert, wenn nie eine ähnliche Struktur gemessen wurde.

Nahezu atomare Genauigkeit reicht aus, um nützlich zu sein, und macht die Struktur zu einer routinemäßigen Eingabe statt zu einer knappen Ressource.

Wenn die Grundwahrheit teuer ist, baue ein Modell, das sie generalisiert — lerne die Regel aus einer kleinen Menge von Beispielen, statt für jeden neuen Fall dasselbe erneut zu messen.

AlphaFolds Strukturen wurden für nahezu das gesamte bekannte Proteinuniversum veröffentlicht, und die offene Datenbank wurde zu einem Standardwerkzeug in der Wirkstoffforschung, Genomik und Krankheitsforschung. Sein Ansatz trug dazu bei, ein 50 Jahre offenes Problem zu beenden, und zeigte, dass ein sorgfältig entworfenes tiefes Netzwerk eine allgemeine physikalische Regel aus begrenzten, teuren Daten extrahieren konnte.