Mesterséges intelligencia és fehérjék

2017.07.07.
Mesterséges intelligencia és fehérjék
Az ELTE kutatói olyan neurális hálózatokat készítettek, amelyek segítségével az eddig ismert legpontosabb fehérje karakterizálást lehet elvégezni, csupán az aminosav szekvencia ismeretében. Tudományos eredményeiket a Methods című tudományos folyóiratban 2017. július 3-án publikálták.

Az élőlények DNS-szekvenciájának meghatározása ma már nem túl nehéz és nem túl drága feladat. A DNS ismeretében le lehet írni, hogy mely fehérjéket hozza létre a vizsgált élőlény. A fehérjék leírása az aminosav sorrendjükkel történik: a DNS egyes részeit „le lehet fordítani” a fehérjék aminosav sorrendjére. Azonban a szekvenciájával leírt fehérjék jellemzése, funkciójuk pontos meghatározása nehéz feladat. Bioinformatikus kutatók már régóta foglalkoznak ezzel a problémával, vagyis az aminosav szekvenciájával ismert fehérjék funkciójának meghatározásával.

Az ELTE PIT Bioinformatikai Csoportjának kutatói, Szalkai Balázs doktorjelölt és Grolmusz Vince professzor olyan neurális hálózatokat készített, amelyek segítségével

az eddig ismert legpontosabb fehérje karakterizálást lehet elvégezni, csupán az aminosav szekvencia ismeretében.

A mesterséges neurális hálózatokat sok évtizede vizsgálják a kutatók, azonban rohamos fejlődésük az utóbbi 6-8 évben indult el. A neurális hálózatok az emberi agy bizonyos sajátságait modellezik: egymással több rétegben összekapcsolt mesterséges neuronokból (idegsejtekből) állnak. Ezeket a hálózatokat különböző feladatokra lehet betanítani, azaz a mesterséges neuronok paramétereit specializáltan beállítani. Neurális hálózatokat használnak manapság képfelismerési feladatok elvégzésére, a robotikában vagy például az önvezető autók vezérlésében. A mesterséges neurális hálózatok egyik nagy nyilvánosságot kapott sikere az volt, amikor 2016-ban az AlphaGo program megvert a go játékban egy híres játékost. Ez volt az első eset, hogy élvonalbeli humán játékost számítógépes program győzött le goban. (Sakkban ez már 1997-ben megtörtént, amikor a Deep Blue számítógép legyőzte a világbajnok Garry Kaszparovot.)

Az ELTE kutatóinak most publikált módszere 99,99%-os pontossággal osztja be a fehérjeszekvenciákat az UniProt 698 osztályába, illetve 99,45%-os pontossággal a Gene Ontology osztályozás 983 osztályába. Az új eszközzel megbízható módszer áll rendelkezésre az eddig még ismeretlen funkciójú fehérjék megismerésére.