Jordklode robotarm talrække

Algoritme kan løse alle verdens problemer

Algoritmen AlphaFold har lært at efterligne et af kroppens sværeste kneb. Resultatet bliver nye lægemidler mod enhver tænkelig sygdom. Men teknologien kan også løse andre problemer – ikke mindst klimakrisen.

Algoritmen AlphaFold har lært at efterligne et af kroppens sværeste kneb. Resultatet bliver nye lægemidler mod enhver tænkelig sygdom. Men teknologien kan også løse andre problemer – ikke mindst klimakrisen.

Shutterstock

“Det her vil ændre lægevidenskaben. Det vil ændre forskningen. Det vil ændre biotek. Det vil ændre alt.”

Udtalelsen kommer fra den tyske molekylærbiolog Andrei Lupas, men han er kun én blandt mange forskere, der har haft svært ved at skjule deres begejstring for computerprogrammet AlphaFold.

Programmet, som benytter sig af kunstig intelligens, har på få år kortlagt formen på hundredtusinder af proteiner, heriblandt ét, som Lupas og hans kolleger forgæves havde arbejdet på i over et årti.

Og proteinernes form er helt afgørende for udviklingen af lægemidler mod alt fra coronavirus til kræft.

98,5 procent af menneskets proteiner er allerede blevet kortlagt af AlphaFold.

AlphaFold bliver af mange betragtet som et af århundredets største videnskabelige gennembrud – og teknologien bag, udviklet af firmaet DeepMind, som nu er ejet af Google, vil ikke kun revolutionere lægevidenskaben.

Den kan også hjælpe os med at skabe mere præcise vejrudsigter, udvikle nye computerprogrammer og løse klimakrisen.

AlphaFold knækker kode

Proteiner er både byggesten og arbejdere. De holder sammen på dine celler og får de kemiske processer i din krop til at køre. De er involveret i alt, hvad der foregår i din krop – også når du er syg.

Vejen til at behandle en hvilken som helst sygdom går ofte via proteiner, og ved at kende formen på de proteiner, som spiller en rolle i sygdommen, kan forskerne designe effektive lægemidler, der binder sig til proteinerne og påvirker deres adfærd på en hensigtsmæssig måde.

At kortlægge et proteins form dog er ikke nemt. Et protein består af en lang kæde af såkaldte aminosyrer, og forskerne kan uden problemer kortlægge typen og rækkefølgen af samtlige aminosyrer i proteinet. Men kæden folder sig sammen til en klump, og det er her, forskerne kommer til kort.

Demis Hassabis og Mustafa Suleyman

Barndomsvennerne Demis Hassabis (til venstre) og Mustafa Suleyman (til højre) grundlagde i 2010 DeepMind sammen med studiekammeraten Shane Legg.

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

Proteinet kan potentielt folde sig sammen på et nærmest uendeligt antal forskellige måder. Alligevel folder det sig altid sammen på én helt bestemt måde i cellerne. Formen kan ikke ses i et mikroskop, fordi proteinerne er så små. Og intet menneske kan forudsige, hvilken form et protein vil tage – men det kan AlphaFold.

Programmets hemmelighed er en smidig form for kunstig intelligens, som lærer af sine erfaringer. Før den tog videnskaben med storm, blev teknologien dog testet af på en noget simplere udfordring: gamle computerspil.

Program øver sig i spil

DeepMind, firmaet bag AlphaFold, satte i 2013 deres nyudviklede teknologi til at spille gamle computerspil såsom Space Invaders. Den kunstige intelligens blev hurtigt ekspert i spillene – og det skete via ren og skær øvelse. Den havde ikke fået indkodet spillets regler.

I 2014 opkøbte Google DeepMind, og et par år senere skabte firmaet igen overskrifter, da deres teknologi slog en af verdens bedste Go-spillere, Lee Sedol. Go er et brætspil, som ikke bare kræver logik, analyse og strategi, men også menneskelig intuition og kreativitet.

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

DeepMind slog stormester

Go er et af verdens ældste brætspil, og selvom spillet på overfladen minder om skak med sorte og hvide brikker på en plade inddelt i firkanter, er det langt mere indviklet. Spillets kompleksitet gør det umuligt at knække med ren regnekraft, men DeepMinds kunstige intelligens klarede opgaven. Den lærenemme algoritme lærte sig selv en effektiv strategi og slog i 2016 en af verdens bedste Go-spillere, Lee Sedol, i fire ud af fem spil.

Computerprogrammer har før slået menneskelige brætspillere – fx da IBM’s program Deep Blue i 1997 slog verdensmesteren i skak, Garri Kasparov – men i modsætning til tidligere havde DeepMinds kunstige intelligens ikke fået indkodet sandsynlighedsberegninger af menneskelige programmører. Ligesom med computerspillene havde den lært sig selv at spille.

Teknologiens enestående evne til at lære selv og til at gennemskue sammenhænge, som kræver mere end bare simpel logik, skal nu hjælpe os med at løse en række centrale samfundsproblemer.

DeepMinds algoritme har allerede lært sig selv at kode computerprogrammer lige så effektivt som et udlært menneske. Den overgår tidligere metoder til at forudsige pludselige skift i vejret. Den har bevist, at den kan gøre produktion af vindenergi mindst 20 procent mere rentabel. Og så kan den diagnosticere brystkræft med større præcision end en læge.

Dens største gennembrud indtil videre har dog været kortlægningen af proteiners form.

Algoritme chokerede forskerne

Hvert andet år siden 1994 har forskere afholdt konkurrencer, hvor forskellige algoritmer kæmper om at forudsige proteiners form mest præcist. Algoritmernes resultater bliver hver gang sammenlignet med de relativt få proteiner, som forskerne gennem møjsommeligt laboratoriearbejde allerede kender formen på.

AlphaFold deltog første gang i 2018 og vandt knebent med en præcision på 70 procent. To år senere chokerede den alle deltagere med en præcision på over 90 procent – en præstation, som mange ikke troede var mulig med nutidens teknologi.

Proteiner består typisk af kæder af flere hundrede aminosyrer. Og i 50 år har forskerne forsøgt at forstå, hvordan de lange kæder folder sig sammen. Nu har algoritmen AlphaFold knækket koden.

© Shutterstock

1. Arter stilles op på række

AlphaFold sammenligner proteinets aminosyrekæde (øverste række) med lignende proteiner fra forskellige dyr (tre nedre rækker). Nogle aminosyrer (nr. 1, 3 og 6) er ens for alle arter, andre har muteret i løbet af arternes evolution.

© Shutterstock

2. Mutationer afslører naboer

Algoritmen finder par af aminosyrer, som muterer i takt, dvs. når den ene aminosyre (nr. 2) er muteret, er den anden (nr. 5) som regel også muteret. Takten skyldes formentlig, at de to aminosyrer sidder tæt sammen i proteinet.

© Shutterstock

3. Struktur tjekkes og justeres

Algoritmen skaber en model af proteinet, hvor kæden bøjes, så de udvalgte aminosyrer (nr. 2 og 5) bliver naboer. Den forbedrer derefter igen og igen modellen, indtil flest mulig nabopar fra hele proteinet er bragt sammen.

© Shutterstock

4. Algoritme bygger færdig model

Algoritmen giver til sidst sit endelig bud på proteinets form. Strukturen kan derefter eventuelt sammenlignes med eksisterende viden om proteinet, så algoritmen kan lære af eventuelle fejl og forbedre sine forudsigelser fremover.

AlphaFold kan stadig forbedres, men programmet er i den grad nået til en fase, hvor forskerne aktivt kan bruge det. DeepMind har lagt formen på omkring en million forskellige proteiner ud i en offentligt tilgængelig database, og de første forskningsprojekter har allerede benyttet sig af den.

Den kinesiske medicinalvirksomhed Insilico Medicine har fx designet et nyt middel, som potentielt kan bruges mod leverkræft. Designprocessen ville tidligere have taget årevis, men denne gang tog det kun 30 dage – takket være AlphaFold og flere andre typer kunstig intelligens.

Virksomhedens forskere brugte først kunstig intelligens til at finde et protein, som spillede en vigtig rolle i sygdommen. Derefter bruge de AlphaFold til at kortlægge proteinets form – og endelig et tredje program til at skabe et lægemiddel, som passede som fod i hose ind i proteinet.

Lægemidlet er endnu ikke testet i den virkelige verden, men projektet varsler om en ny epoke i lægevidenskaben – og om en bølge af nye lægemidler mod enhver tænkelig sygdom.