Một năm sau, phòng thí nghiệm này đã chia sẻ công cụ có tên AlphaFold với các nhà khoa học, và đưa ra các hình dạng dự đoán cho hơn 350.000 protein, bao gồm tất cả các protein được biểu hiện bởi bộ gen người. Nếu các nhà khoa học có thể xác định hình dạng của các protein, họ có thể tăng tốc khả năng hiểu bệnh, tạo ra các loại thuốc mới, và sẽ thăm dò những bí ẩn của sự sống trên Trái đất.

DeepMind đã mở rộng cơ sở dữ liệu về các cơ chế sinh học vi mô, với hy vọng đẩy nhanh nghiên cứu về tất cả các sinh vật sống.

Giờ đây, DeepMind đã đưa ra dự đoán cho gần như mọi loại protein mà khoa học biết đến. Vừa qua, phòng thí nghiệm có trụ sở tại London, thuộc sở hữu của cùng một công ty mẹ với Google, cho biết họ đã thêm hơn 200 triệu dự đoán vào cơ sở dữ liệu trực tuyến có sẵn miễn phí cho các nhà khoa học trên toàn cầu.

Với bản phát hành mới này, các nhà khoa học đằng sau DeepMind hy vọng sẽ tăng tốc độ nghiên cứu về các sinh vật ít người biết đến hơn, và khơi mào cho một lĩnh vực mới được gọi là siêu hình học.

Demis Hassabis, Giám đốc điều hành của DeepMind, cho biết trong một cuộc phỏng vấn qua điện thoại: “Các nhà khoa học hiện có thể khám phá toàn bộ cơ sở dữ liệu này và tìm kiếm các mô hình - mối tương quan giữa các loài và các mô hình tiến hóa có thể chưa được rõ ràng cho đến bây giờ”.

Protein bắt đầu như một chuỗi các hợp chất hóa học, sau đó xoắn và gấp lại thành các hình dạng ba chiều xác định cách các phân tử này liên kết với các phân tử khác.

Trước đây, việc xác định chính xác hình dạng của một loại protein cần phải có nhiều thí nghiệm liên quan đến tia X, kính hiển vi và các công cụ khác trên băng ghế phòng thí nghiệm. Giờ đây, với chuỗi các hợp chất hóa học tạo nên một loại protein, AlphaFold có thể dự đoán hình dạng của nó.

Công nghệ thì không hoàn hảo. Nhưng nó có thể dự đoán hình dạng của một protein với độ chính xác vượt trội so với các thí nghiệm vật lý khoảng 63% thời gian, theo các bài kiểm tra điểm chuẩn độc lập. Với dự đoán trong tay, các nhà khoa học có thể xác minh độ chính xác của nó một cách tương đối nhanh chóng.

Kliment Verba, một nhà nghiên cứu tại Đại học California, San Francisco, người sử dụng công nghệ này để hiểu virus Sars-Cov-2, và chuẩn bị cho các đại dịch tương tự, cho biết công nghệ này đã "tăng tốc" cho công việc này, thường tiết kiệm hàng tháng thời gian thử nghiệm. Những người khác đã sử dụng công cụ này khi họ phải vật lộn để chống lại bệnh viêm dạ dày, sốt rét và bệnh Parkinson.

Công nghệ này cũng đã thúc đẩy quá trình nghiên cứu vượt ra ngoài cơ thể người, bao gồm nỗ lực cải thiện sức khỏe của ong mật. Cơ sở dữ liệu mở rộng của DeepMind có thể giúp một cộng đồng các nhà khoa học lớn hơn nữa gặt hái những lợi ích tương tự.

Giống như TS Hassabis, TS Verba tin rằng, cơ sở dữ liệu sẽ cung cấp những cách mới để hiểu về cách các protein hoạt động giữa các loài. Ông cũng coi đó là một cách giáo dục thế hệ các nhà khoa học mới. Không phải tất cả các nhà nghiên cứu đều thành thạo về loại sinh học cấu trúc này; một cơ sở dữ liệu của tất cả các protein đã biết làm giảm ngưỡng nhập cảnh. TS Verba nói: “Nó có thể mang sinh học cấu trúc đến với đại chúng".