Revolucija koju donosi umjetna inteligencija u biologiji i medicini dobiva novo, ključno poglavlje. Posljednjih nekoliko godina svjedočimo procvatu moćnih alata, takozvanih proteinskih jezičnih modela, koji su iz temelja promijenili način na koji znanstvenici pristupaju istraživanju lijekova, razvoju cjepiva i razumijevanju samih temelja života. Ovi sofisticirani sustavi, temeljeni na arhitekturi velikih jezičnih modela (LLM) poput onih koji pokreću popularne chatbotove, pokazali su zapanjujuću sposobnost predviđanja strukture i funkcije proteina s nevjerojatnom preciznošću. Unatoč njihovoj uspješnosti, jedan temeljni problem ostao je neriješen i predstavljao je značajnu prepreku – njihova potpuna neprozirnost. Znanstvenici su dobivali iznimno točne odgovore, ali nisu imali nikakav uvid u to kako je model došao do tih zaključaka. Radili su s svojevrsnom "crnom kutijom", što je ograničavalo povjerenje i mogućnost daljnjeg usavršavanja.

Nedavna studija, proizašla iz laboratorija na prestižnom Massachusetts Institute of Technology (MIT), donosi prekretnicu u rješavanju ovog problema. Istraživački tim uspješno je primijenio inovativnu tehniku koja po prvi put omogućuje znanstvenicima da zavire unutar te "crne kutije" i precizno odrede koje značajke proteina umjetna inteligencija uzima u obzir prilikom donošenja svojih predviđanja. Ovaj proboj ne samo da povećava transparentnost i objašnjivost AI modela, već otvara i vrata za ubrzani razvoj novih terapija i bolje razumijevanje kompleksnih bioloških procesa.

Dekodiranje "crne kutije": Kako AI donosi odluke

Razumijevanje procesa donošenja odluka unutar ovih modela ključno je za njihovu daljnju primjenu. Tim s MIT-a, predvođen Onkarom Gujralom kao glavnim autorom i pod mentorstvom Bonnie Berger, ugledne profesorice matematike i voditeljice grupe za računarstvo i biologiju, razvio je metodu koja demistificira unutarnje djelovanje proteinskih jezičnih modela. Njihov rad, objavljen u uglednom znanstvenom časopisu Proceedings of the National Academy of Sciences, ima potencijal transformirati način na koji se ovi moćni alati koriste u biomedicinskim istraživanjima.

Proteinski jezični modeli, čije su temelje još 2018. godine postavili upravo profesorica Berger i njezin tadašnji student Tristan Bepler, funkcioniraju analizirajući goleme baze podataka sekvenci aminokiselina, slično kao što jezični modeli analiziraju tekst. Učeći obrasce i odnose između aminokiselina, oni mogu predvidjeti trodimenzionalnu strukturu proteina i njegovu biološku funkciju. Upravo su takvi modeli bili ključni za ubrzani razvoj revolucionarnih alata kao što su AlphaFold, ESM2 i OmegaFold. Međutim, problem je ležao u tome što su informacije unutar modela kodirane na vrlo gust i nerazumljiv način. Znanstvenici su mogli vidjeti konačni rezultat, ali ne i put koji je do njega doveo. Bilo je to kao da imate genijalnog studenta koji uvijek točno riješi najsloženiji matematički problem, ali vam nikada ne može pokazati svoj postupak.

Inovativna tehnika koja unosi svjetlo u tamu

Kako bi riješili ovaj problem, istraživači s MIT-a okrenuli su se algoritmu poznatom kao "rijetki autoenkoder" (sparse autoencoder). Ovo je prvi put da se takav pristup uspješno primijenio na proteinske jezične modele. Princip rada je elegantan i moćan. U standardnim modelima, informacije o određenom proteinu kodirane su kroz aktivaciju relativno malog broja "čvorova" unutar neuronske mreže, primjerice 480. U takvoj zgusnutoj reprezentaciji, svaki pojedini čvor mora kodirati više različitih značajki proteina istovremeno, što interpretaciju čini praktički nemogućom.

Rijetki autoenkoder radi suprotno: on drastično proširuje prostor za reprezentaciju. Umjesto 480 čvorova, model sada koristi, primjerice, 20.000 čvorova. Istovremeno, algoritam uvodi "ograničenje rijetkosti" koje osigurava da se za opisivanje proteina aktivira samo mali broj tih čvorova. Time se informacije, koje su prije bile zbijene, sada mogu "raširiti". Posljedica je da jedna specifična značajka proteina, koja je prije bila kodirana kroz više različitih čvorova, sada može zauzeti svoj vlastiti, jedinstveni čvor. "U rijetkoj reprezentaciji, neuroni koji se aktiviraju čine to na smisleniji način", pojašnjava Gujral. Prije ove metode, mreže su pakirale informacije toliko čvrsto da je bilo nemoguće dešifrirati ulogu pojedinih neurona.

Uloga umjetne inteligencije u interpretaciji same sebe

Nakon što su dobili ove "pročišćene" i rijetke reprezentacije za tisuće različitih proteina, znanstvenici su se suočili s novim izazovom: kako razumjeti što svaki od tih aktiviranih čvorova znači. U tu svrhu, koristili su pomoć druge umjetne inteligencije, asistenta poznatog pod imenom Claude. Zadaća Claudea bila je usporediti rijetke reprezentacije s već poznatim karakteristikama svakog proteina, kao što su njegova molekularna funkcija, obitelj kojoj pripada ili njegova lokacija unutar stanice.

Analizirajući golem broj primjera, Claude je uspio povezati aktivaciju specifičnih čvorova s konkretnim biološkim svojstvima i zatim ih opisati jednostavnim, ljudski razumljivim jezikom. Primjerice, algoritam bi mogao generirati opis poput: "Čini se da ovaj neuron detektira proteine uključene u transmembranski transport iona ili aminokiselina, posebno one koji se nalaze u plazma membrani." Ovim postupkom, čvorovi su postali "interpretabilni", a znanstvenici su po prvi put dobili jasan uvid u to što model "misli". Pokazalo se da su značajke koje modeli najčešće kodiraju obitelj proteina i specifične funkcije, uključujući različite metaboličke i biosintetske procese.

Praktične implikacije: Od bržeg otkrivanja lijekova do novih bioloških spoznaja

Ovaj napredak ima dalekosežne posljedice. Razumijevanje značajki koje određeni proteinski model kodira omogućuje istraživačima da odaberu najprikladniji model za specifičan zadatak. Bilo da se radi o identifikaciji novih ciljnih molekula za lijekove ili dizajniranju učinkovitijih cjepiva, sada je moguće koristiti alat koji je najbolje "podešen" za rješavanje konkretnog problema. To izravno ubrzava i pojeftinjuje cjelokupni proces istraživanja i razvoja.

Primjerice, u studiji iz 2021. godine, tim profesorice Berger koristio je proteinski jezični model kako bi predvidio koji dijelovi površinskih proteina virusa imaju najmanju vjerojatnost mutacije. Time su identificirali obećavajuće mete za razvoj univerzalnih cjepiva protiv gripe, HIV-a i SARS-CoV-2. S novom metodom za interpretaciju, sada je moguće ne samo dobiti takvo predviđanje, već i razumjeti na temelju kojih biokemijskih i strukturnih svojstava je model donio tu odluku, što pruža dodatnu razinu potvrde i usmjerava daljnja laboratorijska istraživanja.

Osim toga, analiza značajki koje model samostalno prepoznaje kao važne mogla bi jednog dana dovesti do potpuno novih bioloških otkrića. Moguće je da će umjetna inteligencija, analizirajući obrasce u podacima koje ljudsko oko ne može primijetiti, identificirati dosad nepoznate funkcije proteina ili otkriti nove veze između različitih bioloških puteva. "Jednog dana, kada modeli postanu još moćniji, mogli bismo naučiti više o biologiji nego što trenutno znamo, i to upravo otvaranjem samih modela", optimistično zaključuje Gujral. Ova tehnologija obećava ne samo da će nam pomoći pronaći odgovore na poznata pitanja, već i postaviti potpuno nova koja će oblikovati budućnost znanosti.