PISCATAWAY, NJ — Keine Erfindung steht so für den Einfallsreichtum und die Intelligenz der Menschheit wie der Computer. Als Wunder der Moderne haben unzählige Science-Fiction-Werke eine unvermeidliche Konfrontation in nicht allzu ferner Zukunft vorhergesagt: Mensch gegen Maschine. Laut Forschern der Rutgers University scheinen Maschinen die Menschheit bereits in mindestens einem wissenschaftlichen Fach übertroffen zu haben.
Professor Vikas Nanda von der Rutgers University hat über zwei Jahrzehnte damit verbracht, die komplizierte Natur von Proteinen, den hochkomplexen Substanzen, die in allen lebenden Organismen vorhanden sind, akribisch zu untersuchen. Er hat sein Berufsleben der Betrachtung und dem Verständnis der einzigartigen Muster von Aminosäuren gewidmet, aus denen Proteine bestehen, und bestimmt, ob sie zu Hämoglobin, Kollagen usw. werden. Darüber hinaus ist Prof. Nanda ein Experte für den mysteriösen Schritt der Selbstorganisation, bei dem bestimmte Proteine verklumpen zu noch komplexeren Stoffen.
Als die Studienautoren also ein Experiment durchführten, bei dem ein Mensch – jemand mit einem tiefen, intuitiven Verständnis für Proteindesign und Selbstorganisation – gegen die Vorhersagefähigkeiten eines KI-Computerprogramms antrat, war Prof. Nanda der perfekte Teilnehmer.
Die Autoren der Studie wollten sehen, wer oder was besser vorhersagen könnte, welche Proteinsequenzen sich am erfolgreichsten kombinieren würden – Prof. Nanda und mehrere andere Menschen oder der Computer. Die veröffentlichten Ergebnisse zeigen, dass der intellektuelle Kampf nahe ist, aber das KI-Programm hat die Menschen mit einem kleinen Vorsprung geschlagen.
Wofür können Wissenschaftler die Selbstorganisation von Proteinen nutzen?
Die moderne Medizin investiert stark in die Selbstorganisation von Proteinen, da viele Wissenschaftler glauben, dass ein vollständiges Verständnis des Prozesses zu zahlreichen revolutionären Produkten für medizinische und industrielle Zwecke führen könnte, wie z. B. künstliches menschliches Gewebe für Wunden oder Katalysatoren für neue chemische Produkte.
„Trotz unseres umfassenden Fachwissens hat die KI bei mehreren Datensätzen genauso gut oder besser abgeschnitten, was das enorme Potenzial des maschinellen Lernens zur Überwindung menschlicher Vorurteile zeigt“, sagt Nanda, Professor in der Abteilung für Biochemie und Molekularbiologie bei Rutgers Robert Wood Johnson Medical Schule, in einer Universitätsausgabe.
Proteine bestehen aus großen Mengen an Aminosäuren, die Ende an Ende miteinander verbunden sind. Diese Aminosäureketten falten sich zu dreidimensionalen Molekülen mit komplexen Formen zusammen. Die genaue Form ist wichtig; Die genaue Form jedes Proteins sowie die spezifischen Aminosäuren, die es enthält, bestimmen, was es tut. Einige Wissenschaftler, einschließlich Prof. Nanda, beschäftigen sich regelmäßig mit einer Aktivität namens „Proteindesign“, bei der Sequenzen erstellt werden, die neue Proteine produzieren.
Vor kurzem entwarfen Prof. Nanda und ein Forscherteam ein synthetisches Protein, das in der Lage ist, das gefährliche Nervengas namens VX schnell zu erkennen. Dieses Protein kann zur Entwicklung neuer Biosensoren und Behandlungsmethoden führen.
Aus Gründen, die der modernen Wissenschaft noch unbekannt sind, bauen sich Proteine selbst mit anderen Proteinen zusammen, um Überstrukturen zu bilden, die in der Biologie wichtig sind. Manchmal scheint es, als ob die Proteine einem Design folgen, beispielsweise wenn sie sich selbst zu einer schützenden äußeren Hülle eines Virus (Kapsid) zusammenfügen. In anderen Fällen bauen sich Proteine jedoch scheinbar als Reaktion auf etwas, das schief geht, selbst zusammen und bilden schließlich tödliche biologische Strukturen, die mit Krankheiten von Alzheimer bis hin zu Sichelzellen in Verbindung gebracht werden.
„Das Verständnis der Selbstorganisation von Proteinen ist grundlegend für Fortschritte in vielen Bereichen, einschließlich Medizin und Industrie“, fügt Prof. Nanda hinzu.
Wie hat das KI-Programm abgeschnitten?
Während des Tests erhielten Prof. Nanda und fünf weitere Kollegen eine Liste von Proteinen und mussten vorhersagen, welche sich wahrscheinlich selbst zusammensetzen würden. Das Computerprogramm machte die gleichen Vorhersagen, und dann verglichen die Forscher die Antworten von Mensch und Maschine.
Die menschlichen Teilnehmer machten ihre Vorhersagen auf der Grundlage ihrer früheren experimentellen Proteinbeobachtungen, wie Muster elektrischer Ladungen und Grad der Abneigung gegen Wasser. Die Menschen sagten schließlich voraus, dass sich 11 Proteine selbst zusammensetzen würden. Das Computerprogramm wählte unterdessen über ein fortschrittliches maschinelles Lernsystem neun Proteine aus.
Die menschlichen Experten lagen bei sechs der elf von ihnen ausgewählten Proteine richtig. Das Computerprogramm erzielte einen höheren Genauigkeitsprozentsatz, da sechs der neun ausgewählten Proteine tatsächlich in der Lage waren, sich selbst zusammenzubauen.
Studienautoren erklären, dass die menschlichen Teilnehmer dazu neigten, bestimmte Aminosäuren gegenüber anderen zu „bevorzugen“, was zu falschen Vorhersagen führte. Das KI-Programm identifizierte auch einige Proteine, die keine „offensichtliche Wahl“ für die Selbstorganisation waren, und öffnete damit die Tür für weitere Forschung. Prof. Nanda gibt zu, dass er einst ein Zweifler des maschinellen Lernens für Untersuchungen zum Zusammenbau von Proteinen war, aber jetzt ist er viel offener für die Technik.
„Wir arbeiten daran, ein grundlegendes Verständnis der chemischen Natur der Wechselwirkungen zu erlangen, die zur Selbstorganisation führen, daher befürchtete ich, dass die Verwendung dieser Programme wichtige Erkenntnisse verhindern würde“, schließt er. „Aber was ich langsam wirklich verstehe, ist, dass maschinelles Lernen nur ein weiteres Werkzeug ist, wie jedes andere auch.“
Die Studie wird in der Zeitschrift veröffentlicht Naturchemie.