Химическа Нобелова награда за разработчиците на Alphafold AI да прогнозират протеинови структури

Химическа Нобелова награда за разработчиците на Alphafold AI да прогнозират протеинови структури

за първи път - и със сигурност не за последен път - научен пробив, който стана възможен от изкуствения интелект, получи Нобелова награда. Нобеловата награда на химията 2024 беше присъдена на Джон Джъмпер и Демис Хасабис от Google DeepMind в Лондон за разработването на новаторски Ki-Tools for predicting protein structures called Alphafold , as well as David Baker from the University of Washington in Seattle for his work at the work computer-aided protein design that in recent years

Награден Ki

DeepMind представи Alphafold 2018, когато конкуренцията на протеиновите структури, критичната оценка на прогнозирането на протеиновата структура (CASP), печели на всеки две години. Но това беше втората версия на Deep Neuronal Network, Това предизвика земетресение в науките за живота

Много от прогнозите на Alphafold2 при CASP бяха толкова точни, че не могат да бъдат разграничени от експериментално определени протеинови структури. Това беше причинено от Джон Мулт, съосновател на CASP и компютърен биолог в Университета в Мериленд в колежа Парк, през 2020 г., за да се обясни, че "проблемът е решен по някакъв начин".

През 2021 г. DeepMind , заедно с данните, необходими за обучение на модела. A Alphafold Сега съдържа структурите на повечето протеини от всички организми, представени в генетичните бази данни : Общо около 214 милиона прогнозират. https://www.nature.com/articles/d41586-01385-x "data-track =" щракнете "data-label =" https://www.nature.com/artics/d41586-01385-x "категория данни =" Текст на тялото "> Трета версия на Alphafols като лекарства.

Революцията, която Jumper, Hassabis и нейните колеги отприщват, все още е в началото и пълните ефекти на Alphafold върху науката могат да бъдат известни само след години. Но инструментът вече помага на учените да придобият нови знания.

A pioneering team used the tool, together with experimental data, to the nuclear Порен комплекс За картографиране, една от най -големите машини в нашите клетки, молекулите в клетъчното ядро. Миналата година два екипа анализираха цялата база данни на Alphafold, за да открият най -дълбоките ъгли на протеиновата вселена, идентифицираха нови протеинови семейства и гънки, както и изненадващи връзки в машината на живота.

Много изследователи се надяват, че Alphafold и други AI инструменти, които го вдъхновяват, ще трансформират медицината. Въпреки това, това е Създайте нови протеини

Повече от десетилетие преди DeepMind да започне да работи с Alphafold, компютърният биофизик Дейвид Бейкър от Университета на Вашингтон в Сиатъл и неговите колеги разработиха софтуерни инструменти за моделиране на протеинови структури въз основа на физически принципи и се наричат ​​розета. The tool had early successes When designing new proteins .

С течение на годините екипът на Бейкър Розета се обърна да прогнозира протеиновите структури-това беше един от най-добрите участници в многобройни Casps преди неотдавнашното доминиране на Alphafold-както и за проектирането на нови протеини като ензими и самопротеинови наночастици.

През последните години екипът на Бейкър е особено продуктивен при използването на машинно обучение на Raison d’être на неговата лаборатория: за създаване на нови протеини, които никога не са били виждани в природата . Наскоро разработен инструмент от екипа на Бейкър, който съчетава запасите от рози с генериращи изображения дифузионни невронни мрежи, доведе до квантов скок в способността на изследователите да проектират протеинов дизайн.

Въпреки че компютърните инструменти като Alphafold не са заместител на експерименталните проучвания, те са ускорител, казват учени. „Това ще даде възможност на ново поколение молекулярни биолози да задават по-напреднали въпроси“, казва Касп-Рихтър Андрей Лупас, еволюционен биолог от Института за биология на Макс Планк за развитие в Тюбинген, Германия, 2020 към природата .