Rewolucja, którą sztuczna inteligencja przynosi w biologii i medycynie, zyskuje nowy, kluczowy rozdział. W ciągu ostatnich kilku lat jesteśmy świadkami rozkwitu potężnych narzędzi, tak zwanych białkowych modeli językowych, które fundamentalnie zmieniły sposób, w jaki naukowcy podchodzą do badań nad lekami, opracowywania szczepionek i rozumienia samych podstaw życia. Te zaawansowane systemy, oparte na architekturze dużych modeli językowych (LLM), podobnych do tych, które napędzają popularne chatboty, wykazały zdumiewającą zdolność do przewidywania struktury i funkcji białek z niewiarygodną precyzją. Mimo ich skuteczności, jeden podstawowy problem pozostał nierozwiązany i stanowił znaczącą przeszkodę – ich całkowita nieprzejrzystość. Naukowcy otrzymywali niezwykle dokładne odpowiedzi, ale nie mieli wglądu w to, w jaki sposób model doszedł do tych wniosków. Pracowali z rodzajem „czarnej skrzynki”, co ograniczało zaufanie i możliwość dalszego doskonalenia.

Niedawne badanie, pochodzące z laboratorium prestiżowego Massachusetts Institute of Technology (MIT), stanowi przełom w rozwiązaniu tego problemu. Zespół badawczy z powodzeniem zastosował innowacyjną technikę, która po raz pierwszy pozwala naukowcom zajrzeć do wnętrza tej „czarnej skrzynki” i precyzyjnie określić, które cechy białka sztuczna inteligencja bierze pod uwagę podczas dokonywania swoich przewidywań. Ten przełom nie tylko zwiększa przejrzystość i wyjaśnialność modeli AI, ale także otwiera drzwi do przyspieszonego rozwoju nowych terapii i lepszego zrozumienia złożonych procesów biologicznych.

Dekodowanie „czarnej skrzynki”: Jak AI podejmuje decyzje

Zrozumienie procesu podejmowania decyzji w tych modelach jest kluczowe dla ich dalszego zastosowania. Zespół z MIT, kierowany przez Onkara Gujrala jako głównego autora i pod opieką naukową Bonnie Berger, wybitnej profesor matematyki i kierowniczki grupy ds. informatyki i biologii, opracował metodę, która demistyfikuje wewnętrzne działanie białkowych modeli językowych. Ich praca, opublikowana w prestiżowym czasopiśmie naukowym Proceedings of the National Academy of Sciences, ma potencjał, by przekształcić sposób, w jaki te potężne narzędzia są wykorzystywane w badaniach biomedycznych.

Białkowe modele językowe, których podwaliny zostały położone już w 2018 roku przez profesor Berger i jej ówczesnego studenta Tristana Beplera, działają poprzez analizę ogromnych baz danych sekwencji aminokwasów, podobnie jak modele językowe analizują tekst. Ucząc się wzorców i relacji między aminokwasami, mogą przewidywać trójwymiarową strukturę białka i jego funkcję biologiczną. To właśnie takie modele były kluczowe dla przyspieszonego rozwoju rewolucyjnych narzędzi, takich jak AlphaFold, ESM2 i OmegaFold. Problem polegał jednak na tym, że informacje wewnątrz modelu były zakodowane w bardzo gęsty i niezrozumiały sposób. Naukowcy mogli zobaczyć ostateczny wynik, ale nie drogę, która do niego doprowadziła. To było tak, jakby mieć genialnego studenta, który zawsze poprawnie rozwiązuje najtrudniejsze zadanie matematyczne, ale nigdy nie potrafi pokazać swojego toku rozumowania.

Innowacyjna technika, która rzuca światło na ciemność

Aby rozwiązać ten problem, badacze z MIT sięgnęli po algorytm znany jako „rzadki autoenkoder” (sparse autoencoder). Jest to pierwszy raz, kiedy takie podejście zostało z powodzeniem zastosowane do białkowych modeli językowych. Zasada działania jest elegancka i potężna. W standardowych modelach informacje o danym białku są kodowane poprzez aktywację stosunkowo niewielkiej liczby „węzłów” w sieci neuronowej, na przykład 480. W tak gęstej reprezentacji każdy pojedynczy węzeł musi kodować wiele różnych cech białka jednocześnie, co czyni interpretację praktycznie niemożliwą.

Rzadki autoenkoder działa odwrotnie: drastycznie rozszerza przestrzeń reprezentacji. Zamiast 480 węzłów, model używa teraz na przykład 20 000 węzłów. Jednocześnie algorytm wprowadza „ograniczenie rzadkości”, które zapewnia, że do opisania białka aktywowana jest tylko niewielka liczba tych węzłów. Dzięki temu informacje, które wcześniej były skompresowane, mogą zostać „rozproszone”. W rezultacie jedna specyficzna cecha białka, która wcześniej była kodowana przez wiele różnych węzłów, może teraz zająć swój własny, unikalny węzeł. „W rzadkiej reprezentacji neurony, które się aktywują, robią to w bardziej znaczący sposób”, wyjaśnia Gujral. Przed tą metodą sieci pakowały informacje tak ciasno, że niemożliwe było rozszyfrowanie roli poszczególnych neuronów.

Rola sztucznej inteligencji w interpretacji samej siebie

Po uzyskaniu tych „oczyszczonych” i rzadkich reprezentacji dla tysięcy różnych białek, naukowcy stanęli przed nowym wyzwaniem: jak zrozumieć, co oznacza każdy z tych aktywowanych węzłów. W tym celu skorzystali z pomocy innej sztucznej inteligencji, asystenta znanego pod nazwą Claude. Zadaniem Claude'a było porównanie rzadkich reprezentacji z już znanymi cechami każdego białka, takimi jak jego funkcja molekularna, rodzina, do której należy, czy jego lokalizacja w komórce.

Analizując ogromną liczbę przykładów, Claude zdołał powiązać aktywację poszczególnych węzłów z konkretnymi właściwościami biologicznymi, a następnie opisać je prostym, zrozumiałym dla człowieka językiem. Na przykład algorytm mógłby wygenerować opis w stylu: „Wydaje się, że ten neuron wykrywa białka zaangażowane w transbłonowy transport jonów lub aminokwasów, zwłaszcza te zlokalizowane w błonie komórkowej”. Dzięki temu procesowi węzły stały się „interpretable”, a naukowcy po raz pierwszy uzyskali jasny wgląd w to, co model „myśli”. Okazało się, że cechami, które modele najczęściej kodują, są rodzina białek i specyficzne funkcje, w tym różne procesy metaboliczne i biosyntetyczne.

Praktyczne implikacje: Od szybszego odkrywania leków do nowych odkryć biologicznych

Ten postęp ma dalekosiężne konsekwencje. Zrozumienie cech, które koduje dany model białkowy, pozwala badaczom wybrać najodpowiedniejszy model do konkretnego zadania. Niezależnie od tego, czy chodzi o identyfikację nowych cząsteczek docelowych dla leków, czy projektowanie skuteczniejszych szczepionek, teraz możliwe jest użycie narzędzia, które jest najlepiej „dostrojone” do rozwiązania konkretnego problemu. To bezpośrednio przyspiesza i obniża koszty całego procesu badawczo-rozwojowego.

Na przykład w badaniu z 2021 roku zespół profesor Berger użył białkowego modelu językowego do przewidzenia, które części białek powierzchniowych wirusa mają najmniejsze prawdopodobieństwo mutacji. W ten sposób zidentyfikowali obiecujące cele do opracowania uniwersalnych szczepionek przeciwko grypie, HIV i SARS-CoV-2. Dzięki nowej metodzie interpretacji możliwe jest teraz не tylko uzyskanie takiego przewidywania, ale także zrozumienie, na podstawie jakich właściwości biochemicznych i strukturalnych model podjął tę decyzję, co zapewnia dodatkowy poziom potwierdzenia i ukierunkowuje dalsze badania laboratoryjne.

Ponadto analiza cech, które model samodzielnie rozpoznaje jako ważne, może pewnego dnia doprowadzić do całkowicie nowych odkryć biologicznych. Możliwe, że sztuczna inteligencja, analizując wzorce w danych, których ludzkie oko nie jest w stanie dostrzec, zidentyfikuje dotychczas nieznane funkcje białek lub odkryje nowe powiązania między różnymi szlakami biologicznymi. „Pewnego dnia, gdy modele staną się jeszcze potężniejsze, być może dowiemy się więcej o biologii, niż obecnie wiemy, i to właśnie dzięki otwarciu samych modeli”, optymistycznie podsumowuje Gujral. Technologia ta obiecuje nie tylko pomóc nam znaleźć odpowiedzi na znane pytania, ale także postawić zupełnie nowe, które ukształtują przyszłość nauki.