- DeepMind entwickelte 2021 ein Modell zur präzisen Vorhersage der 3D-Struktur von Proteinen. AlphaFold wurde von Science als Durchbruch des Jahres 2021 gefeiert. 2022 stellte DeepMind eine öffentlich zugängliche Datenbank mit Proteinstrukturen fast aller sequenzierten Organismen vor. Ein Viertel der AlphaFold-Forschung widmet sich Krebs und neurodegenerativen Krankheiten wie Parkinson und Alzheimer. DeepMind veröffentlichte die nächste Generation von AlphaFold, um Biomoleküle wie Nukleinsäuren und Liganden vorherzusagen.
- AlphaFold ermöglichte die Entwicklung von Medikamenten gegen vernachlässigte Tropenkrankheiten. AlphaMissense kategorisiert genetische Missense-Mutationen nach ihrer Pathogenität. Der Algorithmus hat 89 Prozent aller möglichen menschlichen Missense-Mutationen klassifiziert. Kohli glaubt, dass KI zur Schaffung einer virtuellen Zelle führen könnte, was die biomedizinische Forschung beschleunigen würde.
Im Jahr 2021 kündigte das KI-Forschungslabor DeepMind die Entwicklung seines ersten digitalen Biologie-Neuronalen Netzes an. Dieses Modell war in der Lage, die 3D-Struktur von Proteinen präzise vorherzusagen, welche die Funktionen dieser Moleküle bestimmen. „Wir sind nur umherziehende Wassersäcke“, sagt Pushmeet Kohli, VP der Forschung bei DeepMind. „Was uns speziell macht, sind Proteine, die Bausteine des Lebens. Wie sie miteinander interagieren, ist das, was das Wunder des Lebens möglich macht.“ AlphaFold wurde von der Zeitschrift Science als Durchbruch des Jahres 2021 gefeiert.
Ein globaler Fortschritt
2022 veröffentlichte DeepMind eine Database mit den Proteinstrukturen fast aller Organismen, deren Genom sequenziert wurde. Diese Datenbank wurde der Wissenschaftsgemeinschaft weltweit kostenlos zugänglich gemacht. Mehr als eine Million Forscher haben diese Plattform genutzt, um an Projekten zu arbeiten, die von der Entwicklung von Plastik abbauenden Enzymen bis hin zur Entwicklung effektiverer Malaria-Impfstoffe reichen. Ein Viertel der Forschung, die AlphaFold nutzte, widmete sich dem Verständnis von Krebs, sowie neurodegenerativen Krankheiten wie Parkinson und Alzheimer.
Im letzten Jahr hat DeepMind die nächste Generation von AlphaFold veröffentlicht. Diese erweiterte das Strukturvorhersage-Algorithmus auf Biomoleküle wie Nukleinsäuren und Liganden. „Es hat die wissenschaftliche Forschung demokratisiert“, so Kohli. „Wissenschaftler in Entwicklungsländern, die an vernachlässigten Tropenkrankheiten arbeiten, hatten nicht die Mittel, um die Struktur eines Proteins zu berechnen. Jetzt können sie auf Knopfdruck die AlphaFold-Datenbank nutzen und diese Vorhersagen kostenlos bekommen.“
Eine Revolution für die Genetik
Ein Beispiel für die Anwendung von AlphaFold war die Zusammenarbeit mit der Initiative für Arzneimittel gegen Vernachlässigte Tropenkrankheiten. Durch diese Partnerschaft konnten Medikamente für Krankheiten entwickelt werden, die Millionen betreffen – wie Schlafkrankheit, Chagas-Krankheit und Leishmaniose – und dennoch vergleichsweise wenig Forschung erhalten.
DeepMinds jüngster Durchbruch heißt AlphaMissense. Dieses Modell kategorisiert sogenannte Missense-Mutationen – genetische Veränderungen, die dazu führen können, dass an bestimmten Positionen in Proteinen unterschiedliche Aminosäuren produziert werden. Solche Mutationen können die Funktion des Proteins selbst verändern, und AlphaMissense weist diesen Mutationen eine Wahrscheinlichkeit zu, entweder pathogen oder gutartig zu sein. „Das Verständnis und die Vorhersage dieser Effekte ist entscheidend für die Entdeckung seltener genetischer Krankheiten“, sagt Kohli.
Das im letzten Jahr veröffentlichte Algorithmus hat etwa 89 Prozent aller möglichen menschlichen Missense-Mutationen klassifiziert. Zuvor waren nur 0,1 Prozent aller möglichen Varianten klinisch von Forschern klassifiziert worden.
Die Zukunft der biomedizinischen Forschung
Laut Kohli ist dies erst der Anfang. Letztendlich glaubt er, dass KI zur Schaffung einer virtuellen Zelle führen könnte, was die biomedizinische Forschung radikal beschleunigen würde. Dies würde es ermöglichen, Biologie in-silico statt in realen Laboren zu erforschen. „Mit KI und maschinellem Lernen haben wir endlich die Werkzeuge, um dieses sehr komplexe System, das wir Leben nennen, zu verstehen.“
