Pet baza podataka ne slaže se oko proteina na površini stanice

To je brojka koja bi trebala zabrinuti svakoga tko prati razvoj lijekova. Jer više od 65 posto odobrenih lijekova djeluje upravo tako da se veže na proteine na površini stanice. Ako referentne baze — UniProt, GO CC, Human Protein Atlas, Cell Surface Protein Atlas i SURFY — ne mogu usuglasiti ni osnovno pitanje što se nalazi na vratima stanice, onda farmaceutska industrija dio vremena i novca troši na pogrešne mete.

Tim okupljen pod imenom Deliverome Project, predvođen Beccom Carlson, na to je pitanje odgovorio algoritmom. Usporedili su pet baza, a zatim pustili AI agenta da pregleda objavljenu znanstvenu literaturu i procijeni je li pojedini protein doista prisutan na površini ljudske stanice. Rezultat je karta koja sadrži 1.108 kandidata koje nijedna od pet referentnih baza ne bilježi, a za koje postoje objavljeni dokazi.

Devedeset pet posto točnosti — i pitanje što to znači

AI sustav ispravno je klasificirao 95,7 posto proteina u SurfaceBench, ručno označenom testnom skupu od 147 bjelančevina oko kojih se postojeće baze najčešće spore. Najbolja baza u usporedbi, UniProt, došla je do oko 90 posto. Razlika nije spektakularna, ali u svijetu gdje se pogrešna meta otkriva tek nakon godina pretkliničkog rada, pet postotnih poena nije zanemarivo.

Ilustracija je protein KLK2. Sve pet baza tvrde da ga na površini stanice nema. Ipak, istraživanja pokazuju da je membranski vezani oblik KLK2 obilno prisutan u raku prostate, a eksperimentalna terapija koja ga gađa već je u trećoj fazi kliničkih ispitivanja. Drugim riječima: lijek je u poodmaklom testiranju, a referentne baze i dalje tvrde da meta ne postoji.

To otkriva sistemski problem. Baze podataka nisu neutralne enciklopedije — one su ljudske tvorevine, zatvorene u kategorije i konvencije koje su postavljene prije desetljeća. Protein koji se na površini pojavljuje samo u stanju bolesti, primjerice u tumorskim stanicama, lako ispadne iz kalupa. A upravo su takvi proteini najzanimljiviji jer omogućuju ciljanu dostavu lijeka koji ne dira zdravo tkivo.

Otvorena karta, ali čije su oči

Deliverome Project uz rad objavio je i Open View, besplatan interaktivni preglednik površinskih proteina s prikazom literature na kojoj se svaka klasifikacija temelji. Tu su i javni API i otvoreni kod, što znači da svaki laboratorij — i svaka farmaceutska kompanija — može te nalaze ugraditi u vlastiti lanac istraživanja.

Otvorenost je ovdje vrijedna, ali i dvosjekla. Podaci su javni, no alat koji ih je proizveo je komercijalni jezični model. Kada jedna američka zaklada financira AI koji presuđuje što je znanstvena istina o ljudskom genomu, razumno je pitati: tko provjerava sam alat? Ručno označeni testni skup od 147 proteina nije dovoljan za neovisnu validaciju. Naša domaća znanstvena zajednica — koja ionako ovisi o tuđim bazama i tuđim licencama — ovdje bi trebala imati vlastiti interes, a ne samo pratiti objave.

I to je pitanje koje izvještaj ne postavlja: koliko je od tih 1.108 kandidata plod stvarnog biološkog nalaza, a koliko halucinacija jezičnog modela koji je naučio prepoznavati uvjerljiv tekst? Carlson i suosnivač Bobby Hollingsworth objavili su rad na preprint poslužitelju, što znači da recenzija tek slijedi. Do tada je karta vrijedan orijentir, ali ne i potvrđena istina.