Биоинформатики из Сколковского института науки и технологий сформулировали искусственному интеллекту AlphaFold задачу, которую он не смог решить. Исследование опубликовано в журнале PLOS ONE.
Структурная биоинформатика — это отрасль науки, изучающая структуры белков, РНК, ДНК и их взаимодействия с другими молекулами. Полученные данные служат основой для разработки лекарств и создания белков, не встречающихся в природе. Предполагалось, что зная последовательность аминокислот в составе белка, возможно рассчитать, какую трехмерную форму примет этот белок в организме и, следовательно, как он будет функционировать.
Спустя 50 лет эту центральную задачу структурной биоинформатики научился решать искусственный интеллект AlphaFold, созданной Google DeepMind. Это достижение привело к предположению, что нейронная сеть каким-то образом усвоила физику белков и должна работать не только по той задаче, для которой она была разработана. Некоторые ожидали, что ИИ вскоре даст ответы на оставшиеся вопросы структурной биоинформатики.
На школе по биоинформатике для старшеклассников в Сколтехе ученые вместе со школьниками решили проверить этот вопрос. Они поручили AlphaFold, установленному на суперкомпьютер Zhores, выполнить еще одну задачу структурной биоинформатики: предсказать влияние одиночных мутаций на стабильность белка. Задача подразумевала замену одной аминокислоты в белке на другую. ИИ должен был предсказать, является ли получившийся мутант более или менее стабильным и в какой степени.
AlphaFold был не в состоянии сделать это, о чем свидетельствуют его предсказания, противоречащие экспериментальным данным.
Авторы работы подчеркнули, что создатели AlphaFold на самом деле никогда не заявляли о применимости ИИ к другим задачам, кроме как к предсказанию структуры белков на основе их аминокислотных последовательностей.
“Но некоторые энтузиасты машинного обучения поспешили предсказать конец структурной биоинформатики. Поэтому мы подумали, что было бы неплохо пойти дальше и проверить, и теперь мы знаем, что она не может предсказать эффект одиночных мутаций”, — отметили ученые.