جائزة نوبل كيميائية لمطوري ALPHAFOLD AI للتنبؤ بهياكل البروتين
جائزة نوبل كيميائية لمطوري ALPHAFOLD AI للتنبؤ بهياكل البروتين
للمرة الأولى - وبالتأكيد ليس للمرة الأخيرة - تم منح اختراق علمي أصبح ممكنًا من خلال الذكاء الاصطناعي جائزة نوبل. منحت جائزة Chemistry Nobel 2024 لجون Jumper و Demis Hassabis من Google Deepmind في لندن لتطوير قيود قال هاينر لينك ، رئيس لجنة نوبل وعلوم نانوش في جامعة لوند في السويد ، خلال فترة الظهور: "لقد كان حلمًا لفترة طويلة أن تتمكن من التنبؤ بالهيكل الثلاثة الأبعاد للبروتينات ، بناءً على تسلسل الأحماض الأمينية. كان هذا مستحيلًا لعقود". وأضاف أن الفائزين بجائزة هذا العام "Cracked the Code". يتقاسم الفائزون الثلاثة سعرًا بلغ 11 مليونًا سويديًا (مليون دولار).
منحت Ki
قدم DeepMind Alphafold 2018 عندما فازت منافسة هياكل البروتين ، والتقييم النقدي للتنبؤ ببنية البروتين (CASP) ، كل عامين. ولكن كان الإصدار الثاني من الشبكة العصبية العميقة ، أدى إلى زلزال في علوم الحياة
كانت العديد من تنبؤات alphafold2 في CASP دقيقة لدرجة أنه لا يمكن التمييز بين هياكل البروتين المحددة تجريبياً. كان سبب ذلك بسبب جون مولت ، المؤسس المشارك لـ CASP وعلم الأحياء الحاسوبية في جامعة ماريلاند في كوليدج بارك ، في عام 2020 لشرح أن "المشكلة يتم حلها بطريقة ما". Hassabis ، المؤسس المشارك والرئيس التنفيذي Von Deepmind ، و Jumper ، رئيس فريق Alphafold ، قاد تطوير Alphafold2. من أجل التنبؤ بهياكل البروتين ، تدمج الشبكة العصبية هياكل مماثلة من قواعد البيانات مع مئات الآلاف من الهياكل المحددة تجريبياً وملايين التسلسلات من البروتينات ذات الصلة - تحتوي على معلومات حول أشكالها. في عام 2021 ، deepmind ، جنبا إلى جنب مع البيانات المطلوبة لتدريب النموذج. a الآن على هياكل معظم البروتينات من جميع الكائنات الحية الممثلة في قواعد البيانات الوراثية : ما مجموعه حوالي 214 مليون تنبؤ. https://www.nature.com/articles/d41586-01385-x "data-track =" click "data-label =" https://www.nature.com/artics/d41586-01385-x مثل الدواء. لا تزال الثورة التي تطلقها الطائر وهاسابيس وزملاؤها في البداية ، وقد تكون الآثار الكاملة للألفافولد على العلم معروفة فقط في السنوات. لكن الأداة تساعد العلماء بالفعل على اكتساب معرفة جديدة. استخدم فريق رائد الأداة ، إلى جانب البيانات التجريبية ، إلى إنشاء بروتينات جديدة
أكثر من عقد من بدء DeepMind في العمل مع Alphafold ، قام عالم الفيزياء الحيوية التي تعمل بالكمبيوتر ديفيد بيكر من جامعة واشنطن في سياتل وزملاؤه بتطوير أدوات برمجية لنمذجة هياكل البروتين بناءً على مبادئ مادية وتسمى Rosetta. حققت الأداة نجاحات مبكرة
على مر السنين ، تحول فريق Baker's Rosetta إلى التنبؤ بهياكل البروتين-كان أحد أفضل المشاركين في العديد من الفائقين قبل هيمنة Alphafold الأخيرة-وكذلك لتصميم البروتينات الجديدة مثل الإنزيمات وجزيئات البروتين النانوية. عندما تم الإعلان عن Alphafold2 ، ولكن لم يتم نشره بعد ، وفريقه ، بما في ذلك الكيميائي المدعوم من الكمبيوتر Minkyung Baek ، الذي يعمل الآن في جامعة سيول الوطنية في كوريا الجنوبية ، لفهم البرنامج وتطبيق بعض حيلها على نسخة سابقة من Rosetta. تم تنفيذ الإصدار الأول من شبكة Rosett Fold الناتجة تقريبًا وكذلك Alphafold2. منذ عام 2021 ، تم تحسين كلتا الشبكتين بشكل مستمر من قبل مطوريهما والعلماء الآخرين من أجل التغلب على تحديات جديدة ، على سبيل المثال التنبؤ ببنية المجمعات من عدة بروتينات تفاعلية مختلفة. في السنوات الأخيرة ، كان فريق Baker منتجًا بشكل خاص في استخدام التعلم الآلي للسبور في مختبره: لإنشاء بروتينات جديدة لم يسبق لها مثيل في الطبيعة . أدت أداة تم تطويرها مؤخرًا من فريق Baker التي تجمع بين الأسهم الوردية مع شبكات الخلايا العصبية التي تولد الصور التي تولد الصور إلى قفزة كمية في قدرة الباحثين على تصميم تصميم البروتين. على الرغم من أن الأدوات التي تعمل بالكمبيوتر مثل Alphafold ليست بديلاً للدراسات التجريبية ، إلا أنها مسرعات ، كما يقول العلماء. وقال أندري لوباس ، عالم الأحياء التطوري في معهد ماكس بلانك لعلم الأحياء في علم الأحياء في Tübingen ، ألمانيا = "HREF =" https://www.nator.com/articles: ". "https://www.nature.com/articles/d41586-020-03348-4" data-track-category = "Body Text Link"> 2020 to Nature