Shutterstock
Jordklot robotarm sifferrad

Algoritm kan lösa alla världens problem

Algoritmen AlphaFold har lärt sig att efterlikna ett av kroppens allra svåraste knep. Resultatet blir nya läkemedel mot alla tänkbara sjukdomar. Tekniken kan även lösa andra problem, inte minst klimatkrisen.

”Det här kommer att förändra läkarvetenskapen. Det kommer att förändra forskningen. Det kommer att förändra biotekniken. Det kommer att förändra allt.”

Uttalandet kommer från den tyske molekylärbiologen Andrei Lupas. Han är dock bara en av många forskare som har haft svårt att dölja sin entusiasm över datorprogrammet AlphaFold.

Programmet, som använder sig av artificiell intelligens, har på bara några år kartlagt formen på hundratusentals proteiner, däribland ett som Lupas och hans kollegor har arbetat med i över ett årtionde utan att lyckas.

Proteiners form är avgörande för utveckling av läkemedel mot allt från coronavirus till cancer.

98,5 procent av människans proteiner har redan kartlagts av AlphaFold.

AlphaFold anses av många vara ett av århundradets största vetenskapliga genombrott. Och tekniken bakom, som har utvecklats av företaget DeepMind, som numera ägs av Google, kommer inte bara att revolutionera läkarvetenskapen.

Den kan även hjälpa oss att göra mer exakta väderprognoser, utveckla nya datorprogram och lösa klimatkrisen.

AlphaFold knäcker koden

Proteiner är både byggstenar och arbetsmyror. De håller ihop dina celler och får de kemiska processerna i kroppen att fungera. De är involverade i allt som sker i din kropp, även när du är sjuk.

Vägen till behandling av sjukdomar går ofta via proteiner. Genom att känna till formen på de proteiner som påverkar sjukdomen kan forskarna utforma effektiva läkemedel som binder till proteinerna och påverkar deras sätt att agera.

Men att kartlägga ett proteins form är inte enkelt. Ett protein består av en lång kedja av så kallade aminosyror och forskarna kan utan problem kartlägga typen och ordningen av samtliga aminosyror i proteinet. Kedjan viker emellertid ihop sig till en klump, och det är här det blir besvärligt för forskarna.

Demis Hassabis och Mustafa Suleyman

År 2010 grundlagde barndomsvännerna Demis Hassabis (till vänster) och Mustafa Suleyman (till höger) DeepMind tillsammans med studiekamraten Shane Legg.

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

Proteinet kan vika ihop sig på ett närmast oändligt antal sätt. Trots det viker det alltid ihop sig på ett specifikt sätt i cellerna. Formen syns inte i ett mikroskop, eftersom proteinerna är så små, och ingen människa kan förutsäga vilken form ett protein kommer att anta. Det kan emellertid AlphaFold.

Programmets hemlighet är en form av artificiell intelligens som lär sig av sina erfarenheter. Innan den tog vetenskapen med storm testades emellertid tekniken på en något enklare utmaning: gamla datorspel.

Program övar sig på spel

År 2013 lät DeepMind, företaget bakom AlphaFold, sin nyutvecklade teknik spela gamla datorspel som Space Invaders. Den artificiella intelligensen blev snart expert på spelen, och det skedde enbart genom övning. Den hade inte fått spelets regler inkodade.

År 2014 köpte Google DeepMind och ett par år senare skapade företaget återigen rubriker när deras teknik besegrade en av världens bästa gospelare, Lee Sedol. Go är ett brädspel som inte bara kräver logik, analys och strategi, utan även mänsklig intuition och kreativitet.

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

DeepMind besegrade stormästare

Go är ett av världens äldsta brädspel. Även om det på ytan påminner en del om schack med sina svarta och vita spelpjäser på ett bräde indelat i kvadrater är det betydligt mer komplicerat. Spelets komplexitet gör det omöjligt att knäcka med ren beräkningskraft, men DeepMinds artificiella intelligens klarade av att lösa uppgiften. Den begåvade algoritmen lärde sig själv en effektiv strategi och slog år 2016 en av världens bästa gospelare, Lee Sedol, i fyra av fem omgångar.

Datorprogram har tidigare besegrat mänskliga brädspelare, till exempel när IBM:s program Deep Blue år 1997 besegrade världsmästaren i schack, Garri Kasparov, men till skillnad från tidigare hade DeepMinds artificiella intelligens inte fått några sannolikhetsberäkningar inkodade av mänskliga programmerare. Liksom med datorspelen hade den lärt sig att spela helt på egen hand.

Teknikens enastående förmåga att lära sig själv och att hitta samband som kräver mer än bara enkel logik ska nu hjälpa oss att lösa en rad viktiga samhällsproblem.

DeepMinds algoritm har redan lärt sig att koda datorprogram lika effektivt som en välutbildad människa. Den överträffar tidigare metoder för att förutsäga plötsliga växlingar i vädret. Den har bevisat att den kan göra vindenergiproduktion minst 20 procent mer lönsam. Och så kan den diagnostisera bröstcancer med bättre precision än en läkare.

Dess största genombrott hittills har emellertid varit kartläggningen av proteiners form.

Algoritm chockade forskarna

Vartannat år sedan 1994 har forskare arrangerat tävlingar där olika algoritmer tävlar om att förutsäga proteiners form med bäst precision. Varje gång jämförs algoritmernas resultat med de relativt få proteiner som forskarna efter mödosamt arbete i laboratoriemiljö redan känner till formen på.

AlphaFold deltog för första gången år 2018 och vann knappt med en precision på 70 procent. Två år senare chockade den alla deltagare med en precision på över 90 procent, något som många inte trodde var möjligt med dagens teknik.

Algoritm knäcker grundläggande kod

Proteiner består vanligen av kedjor av hundratals aminosyror. I 50 år har forskarna försökt förstå hur de långa kedjorna viker ihop sig. Nu har algoritmen AlphaFold knäckt koden.

© Shutterstock

1. Arter radas upp

AlphaFold jämför proteinets kedja av aminosyror (översta raden) med liknande proteiner från olika djur (de tre nedre raderna). Vissa aminosyror (nummer 1, 3 och 6) är likadana för alla arterna, medan andra har muterat under loppet av arternas evolution.

© Shutterstock

2. Mutationer avslöjar grannar

Algoritmen hittar par av aminosyror som muterar i takt – det vill säga när den ena aminosyran (nummer 2) har muterat har även den andra (nummer 5) som regel gjort det. Detta beror sannolikt på att de två aminosyrorna sitter nära varandra i proteinet.

© Shutterstock

3. Struktur kontrolleras och justeras

Algoritmen skapar en modell av proteinet där kedjan böjs, så att de utvalda aminosyrorna (nummer 2 och 5) blir grannar. Den förbättrar sedan modellen om och om igen, tills så många grannpar som möjligt i hela proteinet har förts samman.

© Shutterstock

4. Algoritm bygger färdig modell

Algoritmen ger därefter sitt slutliga bud på proteinets form. Strukturen kan sedan eventuellt jämföras med existerande kunskaper om proteinet, så att algoritmen kan lära sig av eventuella misstag och förbättra sina förutsägelser.

AlphaFold kan fortfarande förbättras, men programmet har uppnått en fas där forskarna aktivt kan använda sig av det. DeepMind har lagt ut formen på omkring en miljon proteiner i en öppen databas och en rad forskningsprojekt har redan använt sig av den.

Det kinesiska läkemedelsbolaget Insilico Medicine har till exempel utvecklat ett nytt preparat som kanske kommer att kunna användas mot levercancer. Designprocessen skulle tidigare ha tagit många år, men den här gången tog det bara 30 dagar – tack vare AlphaFold och flera andra typer av artificiella intelligenser.

Företagets forskare använde först en artificiell intelligens för att hitta ett protein som spelade en viktig roll vid sjukdomen. Sedan använde de AlphaFold för att kartlägga proteinets form – och slutligen ett tredje program för att skapa ett läkemedel som passade som hand i handske med proteinet.

Läkemedlet har ännu inte testats i verkligheten, men projektet förebådar en ny epok inom läkarvetenskapen – och en våg av nya läkemedel mot alla tänkbara sjukdomar.