Chemická Nobelova cena pro vývojáře AI Alphafold k predikci proteinových struktur
Chemická Nobelova cena pro vývojáře AI Alphafold k predikci proteinových struktur
Poprvé - a rozhodně ne naposledy - vědecký průlom, který byl umožněn umělou inteligencí, získal Nobelovu cenu. Cena chemie Nobel 2024 byla udělena Johnu Jumperovi a Demis Hassabis společností Google Deepmind v Londýně za vývoj průkopnického Ki-tools pro predikci proteinových struktur zvaných alfafold , stejně jako David Baker z University of Washington v Seattle pro jeho práci na pracovním počítačovém designu, který v posledních letech = A a href = a a href = a href = a href = a href. "https://www.nature.com/articles/d41586-02947-7" Data-track = "click" data-label = "https://www.nature.com/articles/d41586-02947-7" Datová stopa kategorie = "text text">.
"Byl to sen po dlouhou dobu, než jsem byl schopen předvídat třírozměrnou strukturu proteinů na základě jejich aminokyselinových sekvencí. To bylo po desetiletí považováno za nemožné," řekl Heiner Linke, předseda Nobelovy výboru a vědu Nanosh na Lundu, během prohlášení. Letošní vítězové ceny „Cracked the Code“, dodal. Tři vítězové sdílejí cenu 11 milionů švédských korun (1 milion $).
uděleno Ki
DeepMind představil Alphafold 2018, kdy vyhrála konkurence proteinových struktur, kritické hodnocení predikce proteinové struktury (CASP). Byla to však druhá verze hluboké neuronální sítě,
Hassabis, spoluzakladatel a generální ředitel Von Deepmind a Jumper, vedoucí týmu Alphafold, vedli vývoj Alphafold2. Za účelem predikce proteinových struktur integruje neuronová síť podobné struktury z databází se stovkami tisíc experimentálně určených struktur a miliony sekvencí souvisejících proteinů - obsahují informace o jejich formách. V roce 2021, DeepMind alphafold”, které bylo vytvořeno, byla vytvořena, která byla vytvořena, která byla vytvořena. Ve spolupráci s Evropskou laboratoř pro molekulární biologii a Evropským bioinformatickým institutem v Hinxtonu ve Velké Británii Nyní obsahuje struktury většiny proteinů ze všech organismů zastoupených v genetických databázích . https://www.nature.com/articles/d41586-01385-x "Data-Track =" Click "Data Label =" https://www.nature.com/artics/d41586-01385-x "datové stopy kategorie =" Body Text Link "> Třetí verze alfafoldu jako jsou léky. Revoluce, kterou Jumper, Hassabis a její kolegové Unleashed, je stále na začátku a úplné účinky Alphafoldu na vědu mohou být známy pouze v letech. Tento nástroj však již vědcům pomáhá získat nové znalosti. Průkopnický tým použil tento nástroj společně s experimentálními údaji k Pro mapování, jeden z největších strojů v našich buňkách, molekuly v buněčném jádru. V loňském roce dva týmy analyzovaly celou databázi Alphafold, aby objevily nejhlubší rohy proteinového vesmíru, identifikovaly nové proteinové rodiny a záhyby a také překvapivé spojení ve stroji života. Mnoho vědců doufá, že Alphafold a další nástroje AI, které jej inspirovaly, transformují medicínu. Je to však Vytvořte nové proteiny
Více než deset let předtím, než Deepmind začal spolupracovat s Alphafoldem, počítačovým biofyzikem Davidem Bakerem z University of Washington v Seattlu a jeho kolegové vyvinuli softwarové nástroje pro modelování proteinových struktur založených na fyzických principech a nazývá se Rosetta. Tento nástroj měl včasné úspěchy . V průběhu let se Bakerův tým Rosetta obrátil na předpovídání proteinových struktur-to byl jedním z nejlepších účastníků v četných kaspech před nedávnou dominance Alphafolda-stejně jako pro návrh nových proteinů, jako jsou enzymy a nanočástice proteinů s vlastní putováním. Když byl vyhlášen Alphafold2, ale dosud nezveřejněno pekaře a jeho týmu, včetně počítačově podporovaného chemika Minkyung Baek, který nyní pracuje na Seoul National University v Jižní Koreji, šel porozumět softwaru a aplikovat některé své triky na dřívější verzi Rosetta založené na AI. První verze výsledné sítě Rosett Fold provedla téměř stejně jako AlphaFold2. Od roku 2021 byly obě sítě neustále zlepšovány jejich vývojáři a další vědci, aby překonali nové výzvy, například predikce struktury komplexů z několika různých interakčních proteinů. V posledních letech byl Bakerův tým zvláště produktivní při používání strojového učení na raison d'être své laboratoře: Pro vytvoření nových proteinů, které nebyly v přírodě nikdy vidět . Nedávno vyvinutý nástroj z Bakerova týmu, který kombinuje růžovou zásobu s difúzními neuronálními sítěmi generujícími obrazy, vedl k kvantovému skoku ve schopnosti vědců navrhnout návrh proteinů. Ačkoli počítačové nástroje, jako je Alphafold, nejsou náhradou za experimentální studie, jsou to urychlovač, říkají vědci. „To umožní nové generaci molekulárních biologů položit pokročilejší otázky,“ řekl Casp-Richter Andrei Lupas, evoluční biolog na Max Planck Institute for Development Biology v Tübingen, Německo, 2020 k přírodě .