Nobeli keemia auhind Alphafoldi AI arendajatele valgu struktuuride ennustamiseks

Nobeli keemia auhind Alphafoldi AI arendajatele valgu struktuuride ennustamiseks

Esmakordselt - ja kindlasti mitte viimane - on tehisintellekti poolt võimalikuks tehtud teaduslik läbimurre omistatud Nobeli auhinnale. 2024. aasta Nobeli keemiapreemia autasustati Londonis Google Deepmind John Jumperile ja Demis Hassabile murrangulise murrangulise väljatöötamise eest AI -tööriistad valkude struktuuri ennustamiseks, mida nimetatakse Alphafoldiks, ja Seattle'is Washingtoni ülikooli David Bakerile töö eest viimase paari aasta jooksul arvutusliku valgu kujundamise eest oli revolutsioon AI poolt.

Alphafoldi mõju paljastati mõni aasta tagasi, pole midagi muud kui ümberkujundavat. Tööriist on muutnud valkude struktuuride ennustamist - sageli, kuid mitte alati, väga täpset - teadlastele juurdepääsetavaks nupu puudutamisel, võimaldades katseid, mis olid kümmekond aastat tagasi mõeldamatud. Bioloogid räägivad nüüd ajastust “enne Alphafoldi” ja “After Alphafoldi”.

"See on juba pikka aega olnud unistus, kui suudab ennustada nende aminohappejärjestustel põhinevat valkude kolmemõõtmelist struktuuri. Seda peeti aastakümneteks võimatuks," ütles Nobeli komitee esimees ja Rootsi Lundi ülikooli nanoteaduse esimees Heiner Linke. Selle aasta autasud "on koodi lahti teinud", lisas ta. Kolm võitjat jagavad auhinna 11 miljoni Rootsi Kronaga (miljon USA dollarit).

Suurepärane AI

DeepMind tutvustas Alphafoldi 2018. aastal, kui see võitis kahe aasta tagant valkude struktuuri ennustamise konkurentsi, mis on valkude struktuuri ennustamise kriitiline hinnang (CASP). Kuid see oli sügava närvivõrgu teine ​​versioon, mis esitati 2020. aasta lõpus, mis käivitas eluteaduste maavärina.

Paljud Alphafold2 ennustused CASP -s olid nii täpsed, et need olid eksperimentaalselt määratud valgustruktuuridest eristamatud. See ajendas John Moulti, CASP-i kaasasutajat ja Computational Bioloogi College Parki Marylandi ülikooli deklareerida 2020. aastal, et “probleem on teatud viisil lahendatud”.

Alphafoldi meeskonna juht Hassabis, DeepMindi kaasasutaja ja tegevjuht ning Jumper, juhtisid Alphafold2 arendamist. Valgustruktuuride ennustamiseks integreerib närvivõrk sarnaseid struktuure andmebaasidest, mis sisaldavad sadu tuhandeid eksperimentaalselt määratud struktuure ja miljoneid seotud valkude järjestusi - mis sisaldavad teavet nende kuju kohta.

Aastal 2021 DeepMind Alphafold2 aluseks olev kood on tasuta saadaval, koos mudeli koolitamiseks vajalike andmetega. Üks AlphaFoldi andmebaas, koostatud koostöös Euroopa molekulaarbioloogia labori ja Euroopa bioinformaatika instituudiga Hinxtonis, Suurbritannias, sisaldab nüüd geneetilistes andmebaasides esindatud kõigi organismide enamiku valkude struktuure: kokku umbes 214 miljonit ennustust. Sel aastal tutvustas ettevõte ühte Alphafoldi kolmas versioon See võib modelleerida ka muid valkudega interakteeruvaid molekule, näiteks ravimeid.

Revolutsioon, mille hüppaja, Hassabis ja nende kolleegid on lahti lasknud, on alles algusjärgus ning Alphafoldi täielik mõju teadusele ei pruugi olla teada aastaid. Kuid tööriist aitab juba teadlastel uusi teadmisi saada.

Teerajaja meeskond kasutas tööriista koos eksperimentaalsete andmetega tuumapooride kompleks Kaardistamiseks on üks meie rakkude suurimaid masinaid, mis transpordib molekule raku tuumas ja välja. Eelmisel aastal analüüsisid kaks meeskonda kogu Alphafoldi andmebaasi, et avastada valgu -universumi sügavaimaid nurki, tuvastades uued valguperekonnad ja voldid ning üllatavad ühendused elu masinas.

Paljud teadlased loodavad, et Alphafold ja muud inspireerinud AI -tööriistad muudavad meditsiini. Kuid see on Ikka ebaselge, kuidas või kas Alphafold sujuvamaks ohutute uute ravimite väljatöötamise kuluka ja mitmeastmelise protsessi sujuvamaks.

Uute valkude loomine

Enam kui kümme aastat enne seda, kui DeepMind asus tegema koostööd Alphafoldiga, töötas Washingtoni ülikooli arvutusliku biofüüsiku David Baker välja Seattle'is ja tema kolleegid töötas välja tarkvarariistad valgustruktuuride modelleerimiseks, mis põhineb füüsilistel põhimõtetel, mida nimetatakse Rosettaks. Tööriistal oli varajane edu uudsete valkude kujundamisel.

Aastate jooksul on Bakeri meeskond rakendanud Rosetta valgustruktuuride ennustamiseks-see oli enne Alphafoldi hiljutist domineerimist paljude CASP-de tipptegijate hulgas-nagu ka uudsete valkude nagu ensüümide ja iseseisev valkude nanoosakeste kujundamine.

Kui Alphafold2 kuulutati välja-kuid veel ei vabastatud-, Baker ja tema meeskond, sealhulgas arvutuslik keemik Minkyung Baek, kes on nüüd Lõuna-Korea Souli riiklikus ülikoolis, otsustasid tarkvara mõista ja rakendada osa oma nippe Rosetta varasema AI-põhise versiooni jaoks. Saadud Rosettafoldi võrgu esimene versioon toimis peaaegu sama hästi kui Alphafold2. Alates 2021. aastast on nende arendajad ja teised teadlased pidevalt parandanud mõlemat võrku uute väljakutsetega, näiteks ennustades komplekside struktuuri, mis koosneb mitmest erinevast interakteeruvast valgust.

Viimastel aastatel on Bakeri meeskond olnud eriti produktiivne masinõppe rakendamisel oma labori raison d'être'is: luua uusi valke, mida pole looduses kunagi nähtud. Bakeri meeskonna hiljuti välja töötatud tööriist, mis ühendab Rosettafoldi piltide genereerivate difusiooni närvivõrkudega, on viinud kvanthüppeni teadlaste võime valkude kujundamisel.

Kuigi arvutusvahendid nagu Alphafold ei asenda eksperimentaalseid uuringuid, on need kiirendaja, väidavad teadlased. "See võimaldab uue põlvkonna molekulaarbiolooge esitada arenenumaid küsimusi," ütles Saksamaal Tübingenis asuva Max Plancki arengubioloogia instituudi evolutsioonibioloog CASP kohtunik Andrei Lupas. 2020 loodusele.