Информационното гробище на неоткритите функции
Съвременната биохимия е изправена пред логистична криза, която рядко излиза извън специализираните лаборатории. Имаме технологичния капацитет да секвенираме геноми и да извличаме протеинови последователности с индустриална скорост, но физическото определяне на това какво върши даден протеин на клетъчно ниво изисква месеци, понякога години скъпа апаратура, реактиви и човекочасове. Резултатът е огромна база данни от „сираци“ – аминокиселинни вериги, които съществуват в дигиталните архиви, но чиято каталитична активност или потенциални места на свързване остават пълна енигма. Традиционните изчислителни методи до момента разчитаха почти изключително на търсене на сходство (alignment-based methods), при които функцията на нов протеин се напасва на принципа на аналогията с вече изучен такъв. Проблемът е, че природата не винаги работи с шаблони, и тук се появява методологичната пробойна, която израелските учени се опитват да запушат.
Моделът BetaDescribe сменя парадигмата, като преминава към изцяло генеративен подход. Вместо да сравнява непознатата верига с милионите записи в съществуващите библиотеки, системата се опитва директно да „прочете“ езика на протеините и да генерира подробен текстов доклад за тяхната биологична роля. Подобен подход напомня за езиковите модели, обучени върху човешка реч, но тук граматиката е диктувана от законите на термодинамиката и пространственото нагъване на молекулите. Зад оптимистичните прессъобщения обаче стои суровата реалност на данните: алгоритъмът е тестван върху едва шест нехарактеризирани досега протеина. Успешното анализиране на техните структури и генерирането на точни описания без аналогови бази данни е сериозен аргумент, но в мащабите на протеомиката шест молекули са статистическа капка в океана. Архивното гробище на биоинформатиката е пълно с модели, които се представят отлично в контролирана среда, но се провалят пред хаоса на реалните биологични системи.
Финансовият стимул зад автоматизирания дизайн
Интересът на големите инвеститори към подобни технологии не е продиктуван от чисто научно любопитство, а от брутална икономическа логика. Разработването на ново лекарство в момента изисква средно между десет и дванадесет години и стотици милиони долари, като по-голямата част от тези ресурси потъват в сляп скрининг – тестване на хиляди химични съединения „на сляпо“ с надеждата някое от тях да покаже желаната активност. Преходът към целенасочен молекулярен дизайн чрез предсказания от изкуствен интелект би свил тези разходи в пъти. Ако BetaDescribe докаже своята приложимост извън тестовия калибрационен набор, лабораториите ще могат да конструират молекули с предварително зададени функции, вместо да ги търсят сред трилионите съществуващи в природата.
Това инженерно преформатиране на биологията обаче се сблъсква с лимитите на технологичната инфраструктура. Числата и радиовъглеродният анализ в сродни изследвания често показват, че теоретичните модели на свързване се разминават с реалното поведение на молекулите in vivo поради незабелязани фактори като клетъчния микроклимат, рН колебанията или наличието на съпътстващи ензими. Предишни опити в тази сфера, за които сме анализирали данни при използването на синхронизирани лазери за принудителна промяна на формата на молекулите, показват, че контролирането на химичните реакции на фундаментално ниво изисква нещо повече от чиста изчислителна мощ – изисква се съобразяване с динамичния физически субстрат, който компютърът винаги донякъде идеализира.
Пропуските в превода от код към функция
Големият въпрос, който остава отворен след публикацията в PNAS, е как точно BetaDescribe се справя с т.нар. „тъмна материя“ на протеомиката – протеини, които нямат абсолютно никакви хомолози в известната на науката биосфера. Когато авторите твърдят, че системата работи без да разчита на съществуващи аналогови бази данни, това трябва да се приема с известна доза аналитично съмнение. Невронната мрежа не черпи знание от нищото; тя е обучена върху правилата, извлечени от вече известни структури. Следователно съществува реален риск моделът да страда от когнитивно изкривяване, приписвайки познати функции на принципно нови еволюционни решения.
Преходът от произволно търсене към дизайн на устойчиви на суша растения или терапии за редки генетични заболявания изисква безгрешна точност на описанието. Всяка малка грешка в превода на една аминокиселина или грешно предказано място на свързване може да превърне потенциалното лекарство в токсичен отпадък за организма. Еуфорията около спестяването на милиони долари не трябва да засенчва факта, че биологичните системи са продукт на милиарди години нелинейна еволюция, която рядко се поддава на пълно алгоритмизиране чрез генеративни текстови отчети. Предстои да видим дали BetaDescribe ще се превърне в стандартен работен инструмент в индустрията, или ще остане просто поредният елегантен софтуерен експеримент, погребан под тежестта на непредвидимата клетъчна реалност.