Teksti Marja Ollakka, kuvat Raija Törrönen ja Niklas Elmehed/Nobel Prize Outreach
Vuoden 2024 kemian ja fysiikan Nobel-palkintoja yhdistää tekoälyn esiinmarssi. ”En yllättynyt yhtään, että hyvin laajalti käytetty AlphaFold-tekoäly sai Kemian Nobel-palkinnon. Aika näyttää, mikä tämän tekoälyn vaikutus on”, sanoo professori Antti Poso.
Kemian Nobelin 2024 sai kolme proteiinitutkijaa. Heistä kaksi on kehittänyt Google DeepMind-yhtiössä AlphaFold-tekoälyjärjestelmän, joka ennustaa proteiinin kolmiulotteisen rakenteen sen aminohapposekvenssin perusteella. AlphaFold tarjoaa tällä hetkellä avoimen pääsyn jo yli 200 miljoonaan proteiinirakenteen ennustukseen.
Itä-Suomen yliopiston lääkeaineen suunnittelun professori Antti Poso on hyödyntänyt AlphaFoldia tutkimusryhmissään heti sen julkaisusta 2020 lähtien. Samoin ovat tehneet tuhannet tutkijat ympäri maailmaa.
”Me käytämme esimerkiksi AlphaFoldia tällä hetkellä ihan rutiininomaisesti proteiinien rakenteen määrittelyssä ja mallien tuottamisessa”, hän kertoo.
Proteiinin rakenteet nopeasti esiin
”Proteiinien rakenteen ennustaminen on yksi selkeimpiä tehtäviä, jossa tekoälystä on merkittävää hyötyä. AlphaFoldin arvo näkyy siinä, että se tuottaa erittäin nopeasti huomattavan hyvälaatuisia ennusteita proteiinien rakenteesta”, Antti Poso sanoo.
AlphaFoldilla selvitetyt proteiinirakenteet edistävät sitten muiden tehtävien kehitystä, aina lääkeaineen suunnittelusta vaikkapa pesuaineissa käytettävien entsyymien suunnitteluun tai kemianteollisuuden entsyymikatalyysin suunnitteluun.
”Lyönyt läpi koko biomedisiinisellä kentällä.”
Poso korostaa, että tekoälymallia ei käytetä sellaisenaan, vaan tutkijat hyödyntävät sitä osana muuta tutkimusvälineistöään.
”Se on ehdottoman hyödyllinen työkalu ja varmaankin myös yksi nopeimmin levinneistä menetelmistä.”
”Esimerkiksi sivutoimessani Tübingenin yliopistosairaalassa myös syöpälääkäri saattaa kysyä, olemmeko katsoneet tiettyä rakennetta AlphaFoldilla. Koskaan aiemmin lääkärit eivät ole kysyneet käytetyistä menetelmistä. Se osoittaa, että AlphaFold on lyönyt läpi koko biomedisiinisellä kentällä laajemminkin”, Poso kertoo.
Proteiinirakenteista on jo runsaasti dataa
Vaikka AlphaFoldin kehittäneet tutkijat Demis Hassabis ja John M. Jumper palkittiin Nobelilla, tämäkään tekoälymalli ei ole kuitenkaan vielä valmis.
”Niitä proteiinirakenteita, joita ei ole aikaisemminkaan pystytty mallintamaan, ei pystytä mallintamaan AlphaFoldillakaan vielä. Siinä mielessä voi pohtia, onko tämä nyt osa tekoälyhypeä”, Poso pohtii.
Antti Poso korostaa, että AlphaFold on edennyt nopeasti, koska proteiinimallinnus on niitä harvoja alueita, joissa on riittävästi datamateriaalia koneoppimiseen.
”Monella muulla kemian alalla ei ole vielä riittävästi dataa. Tekoäly on kyllä hyvä ideanikkari, mutta se ei oikeasti ole pystynyt vielä suunnittelemaan esimerkiksi yhtään uutta molekyyliä. Väitän siis, että proteiinin rakenteen ongelma ei ole vielä kokonaisvaltaisesti ratkaistu”, Poso sanoo.
Lue myös:
Kemian Nobel proteiinien rakenteiden koodin ratkaisijoille
6 kysymystä tekoälystä – Ratkaiseeko se kemian haasteet?
Ihmisellä ja sukkulamadolla on yhtä paljon proteiineja koodaavia geenejä – Päivitä tietosi geeneistä
