Kemisk Nobelpris for Alphafold AI -udviklere til at forudsige proteinstrukturer
Kemisk Nobelpris for Alphafold AI -udviklere til at forudsige proteinstrukturer
For første gang - og bestemt ikke for sidste gang - blev et videnskabeligt gennembrud, der blev muliggjort af kunstig intelligens, tildelt en Nobelpris. Kemi Nobelpris 2024 blev tildelt John Jumper og Demis Hassabis af Google Deepmind i London for udvikling af en banebrydende Ki-Tools til at forudsige proteinstrukturer kaldet alfafold såvel som David Baker fra University of Washington i Seattle til sit arbejde på arbejdet på arbejdet med computer-aided Protein-design, der i de senere år "https://www.nature.com/articles/d41586-02947-7" Data-track = "klik" Data-Label = "https://www.nature.com/articles/d41586-02947-7" Data Track Category = "Body Text Link"> blev revolutioniseret af ki .
Effekten af Alphafold, var unve areeile a et par meareile a få år siden er intet mindre end transformativt. Værktøjet gjorde forudsigelsen af proteinstrukturer - ofte, men ikke altid, meget nøjagtigt tilgængelige for forskere og aktiverede eksperimenter, der var ikke tænkelige for et årti siden. Biologer taler nu om en æra "foran Alphafold" og "til Alphafold".
"Det var en drøm i lang tid at være i stand til at forudsige den tre -dimensionelle struktur af proteiner, baseret på deres aminosyresekvenser. Dette blev betragtet som umuligt i årtier," sagde Heiner Linke, formanden for Nobeludvalget og Nanosh Science ved University of Lund i Sweden, under udtaleren. Dette års prisvindere "knækkede koden", tilføjede han. De tre vindere deler en pris på 11 millioner svenske kroner ($ 1 million).
tildelt Ki
Deepmind præsenterede Alphafold 2018, da en konkurrence om proteinstrukturer, den kritiske vurdering af proteinstrukturforudsigelse (CASP), vandt hvert andet år. But it was the second version of the deep neuronal network, which was presented at the end of 2020 Det udløste et jordskælv i livsvidenskaben
Mange af forudsigelserne fra Alphafold2 ved CASP var så præcise, at de ikke kunne skelnes fra eksperimentelt bestemt proteinstrukturer. Dette blev forårsaget af John Moult, medstifter af CASP og computerbiolog ved University of Maryland i College Park, i 2020 for at forklare, at "problemet på en eller anden måde løses".
Hassabis, medstifter og administrerende direktør Von Deepmind og Jumper, leder af Alphafold-teamet, ledede udviklingen af Alphafold2. For at forudsige proteinstrukturer integrerer det neurale netværk lignende strukturer fra databaser med hundreder af tusinder af eksperimentelt bestemte strukturer og millioner af sekvenser af relaterede proteiner - indeholder information om deres former.
M gratis sammen med de data, der kræves til træning af modellen. A Alphafold database , which blev skabt i samarbejde med det europæiske laboratorium for molekylærbiologi og det europæiske bioinformatiske institut i Hinxton, UK, indeholder nu strukturerne af de fleste proteiner fra alle organismer, der er repræsenteret i genetiske databaser : I alt omkring 214 millioner forudsiger. https://www.nature.com/articles/d41586-01385-x "data-track =" klik "data-label =" https://www.nature.com/artics/d41586-01385-x "datapack kategori =" kropstekstlink "> tredje version af alfafold , hvilket også kan model anden Proteiner, såsom medicin.Den revolution, som Jumper, Hassabis og hendes kolleger løsnes, er stadig i begyndelsen, og de fulde effekter af Alphafold på videnskaben er måske kun kendt i år. Men værktøjet hjælper allerede forskere med at få ny viden.
M For at kortlægge, en af de største maskiner i vores celler, molekylerne i cellekernen. Sidste år analyserede to hold hele Alphafold -databasen for at opdage de dybeste hjørner af proteinuniverset, identificerede nye proteinfamilier og foldes samt overraskende forbindelser i livets maskine. Mange forskere håber, at Alphafold og andre AI -værktøjer, der inspirerede det, vil transformere medicin. Imidlertid er det > >> >> Rationaliser den dyre og multi -scenerproces for at udvikle sikker ny medicin
Mere end et årti før Deepmind begyndte at arbejde med Alphafold, fik computeren -biofysiker David Baker fra University of Washington i Seattle og hans kolleger udviklede softwareværktøjer til modellering af proteinstrukturer baseret på fysiske principper og kaldes Rosetta. Værktøjet havde tidlige succeser når designet new/artics . I årenes løb vendte Baker's team Rosetta sig for at forudsige proteinstrukturer-det var en af de bedste deltagere i adskillige casps før Alphafolds nylige dominans-såvel som til design af nye proteiner, såsom enzymer og selvstoppende protein-nanopartikler. Da Alphafold2 blev annonceret-men endnu ikke offentliggjort baker og hans team, inklusive den computerstøttede kemiker Minkyung Baek, der nu arbejder på Seoul National University i Sydkorea, gik for at forstå softwaren og til at anvende nogle af sine tricks på en tidligere AI-baseret version af Rosetta. Den første version af det resulterende Rosett Fold Network fungerede næsten så godt som Alphafold2. Siden 2021 er begge netværk kontinuerligt blevet forbedret af deres udviklere og andre forskere for at overvinde nye udfordringer, for eksempel forudsigelse af strukturen af komplekser fra flere forskellige interagerende proteiner. Opret nye proteiner
Selvom computer -hjælpede værktøjer som Alphafold ikke er en erstatning for eksperimentelle studier, er de en accelerator, siger forskere. "Dette vil gøre det muligt for en ny generation af molekylærbiologer at stille mere avancerede spørgsmål," sagde CASP-richter Andrei Lupas, en evolutionær biolog ved Max Planck Institute for Development Biology in Tübingen, Tyskland, 2020 til Nature .