Kémiai Nobel -díj az Alphafold AI fejlesztők számára a fehérjeszerkezetek előrejelzésére
Kémiai Nobel -díj az Alphafold AI fejlesztők számára a fehérjeszerkezetek előrejelzésére
Első alkalommal - és természetesen nem utoljára - egy tudományos áttörés, amelyet a mesterséges intelligencia lehetővé tette, Nobel -díjat kapott. A 2024-es kémiai Nobel-díjat John Jumpernek és Demis Hassabisnek ítélték el a Londonban lévő Google Deepmind egy úttörő Ki-Tools az Alphafold nevű fehérjeszerkezetek előrejelzésére, valamint David Baker a seattle-i Washingtoni Egyetemen dolgozó munkájáért, hogy az utóbbi években forradalmasították a ki .
"Hosszú ideig álom volt, hogy aminosav -szekvenciáik alapján megjósoljuk a fehérjék három -dimenziós szerkezetét. Ezt évtizedek óta lehetetlennek tartották" -mondta Heiner Linke, a Nobel -bizottság elnöke és a Nanosh Science a svéd Lund Egyetemen, az előadás során. Az idei díjnyertesek "feltörötték a kódot" - tette hozzá. A három nyertesnek 11 millió svéd korona (1 millió dollár) ára van.
odaítélt Ki
ADeepMind bemutatta az Alphafold 2018 -at, amikor a fehérjeszerkezetek, a fehérjeszerkezet -előrejelzés (CASP) kritikus értékelése, kétévente nyert. De ez volt a mély neuronális hálózat második verziója, Testnyomás "> A testület volt. Ez földrengést váltott ki az élettudományokban.
Az Alphafold2 sok előrejelzése a CASP -n annyira pontos volt, hogy nem lehetett megkülönböztetni a kísérletileg meghatározott fehérjeszerkezetektől. Ezt John Moult, a CASP társalapítója és a College Park Marylandi Egyetem számítógépes biológusa okozza. "https://www.nature.com/articles/d41586-020-03348-4" Data-track-category = "Body Text Link"> 2020-ban, hogy elmagyarázza, hogy "a probléma valamilyen módon megoldódik".
Hassabis, Von Deepmind társalapítója és vezérigazgatója, valamint Jumper, az Alphafold csapat vezetője vezette az Alphafold2 fejlesztését. A fehérjeszerkezetek előrejelzése érdekében a neurális hálózat hasonló struktúrákat integrál az adatbázisokból több százezer kísérletileg meghatározott struktúrával és a kapcsolódó fehérjék millióinak szekvenciáival - információkat tartalmaz a formáikról.
2021-ben, DeepMind testi link"> A testi szöveg "> testi szöveg"> testi szöveg "> testi szöveg"> A test alatt. , a modell képzéséhez szükséges adatokkal együtt. A Alkalmazás Database"> Alkalmazás "> Alkalmazás database> Együttműködés az Európai Molekuláris Biológiai Laboratóriummal és az Egyesült Királyság Hinxton Európai Bioinformatikai Intézetével, A legtöbb fehérjék struktúráit tartalmazza a genetikai adatbázisokban. : Összesen körülbelül 214 millió előrejelzés. https://www.nature.com/articles/d41586-01385-x "data-track =" kattintás "data-label =" https://www.nature.com/artics/d41586-01385-x "Data Trascy =" Body Text Link "> Az Alphafold harmadik verziója , amely másolatot is tartalmazhat. gyógyszeres kezelés.
Az a forradalom, amelyet a Jumper, Hassabis és kollégái felszabadítottak, még mindig eleinte van, és az Alphafold tudományra gyakorolt teljes hatása csak évek óta ismert lehet. De az eszköz már segíti a tudósokat új ismeretek megszerzésében.
A pioneering team used the tool, together with experimental data, to the nuclear pore complex A térképhez a sejtek egyik legnagyobb gépe, a sejtmag molekulái. Tavaly két csapat elemezte az egész Alphafold adatbázist, hogy felfedezze a fehérje -univerzum legmélyebb sarkát, azonosította az új fehérjecsaládokat és redőket, valamint meglepő kapcsolatokat az élet gépében.
Sok kutató reméli, hogy az Alphafold és más AI eszközök, amelyek inspirálták, átalakítják a gyógyszert. Ez azonban stillear A biztonságos új gyógyszerek kidolgozásának költséges és többlépcsős folyamata.
új fehérjék létrehozása
Több mint egy évtizeddel azelőtt, hogy DeepMind együtt dolgozott az Alphafold -szal, a számítógépes biofizikus David Baker a seattle -i washingtoni egyetemen, és kollégái kifejlesztettek szoftver eszközöket a fehérjeszerkezetek fizikai alapelvein alapuló modellezésére, és Rosetta -nak hívják őket. Az eszköz korai sikereivel rendelkezik " Body Text Linked "."Az évek során a Baker csapata a Rosetta a fehérjeszerkezetek előrejelzésére fordult-ez volt az egyik legjobb résztvevő az Alphafold legutóbbi dominanciája előtt, valamint az új fehérjék, például enzimek és az öngyilkos protein nanorészecskék megtervezéséhez.
Amikor az Alphafold2-et bejelentették, de még nem tették közzé a bakert, és csapata, köztük a számítógépes kémikus, Minkyung Baek, aki most a dél-koreai Szöuli Nemzeti Egyetemen dolgozik, megértette a szoftvert, és néhány trükkjét alkalmazza a Rosetta korábbi AI-alapú verziójára. A kapott Rosett Fold hálózat első verziója szinte ugyanolyan jól teljesített, mint az Alphafold2. 2021 óta mindkét hálózatot fejlesztőik és más tudósok folyamatosan javították az új kihívások leküzdése érdekében, például a komplexek szerkezetének előrejelzése számos különböző kölcsönhatásba lépő fehérjéből.
Az utóbbi években a Baker csapata különösen produktív volt a gépi tanulás használatában laboratóriumának Raison d’ tre-jéhez: Új olyan fehérjék létrehozására, amelyeket még soha nem láttak a természetben . A Baker csapata nemrégiben kifejlesztett eszköze, amely kombinálja a Rose Stock-ot a képtermelő diffúziós ideghálózatokkal, kvantum ugrást eredményezett a kutatók azon képességében, hogy megtervezzék a fehérjetervezést.
Bár a számítógépes eszközök, például az Alphafold, nem helyettesítik a kísérleti tanulmányokat, mondják a gyorsító, mondják a tudósok. "Ez lehetővé teszi a molekuláris biológusok új generációjának, hogy fejlettebb kérdéseket tegyen fel"-mondta a CASP-Richter Andrei Lupas, a Max Planck Fejlesztési Biológiai Intézet evolúciós biológusa, Németországban, 2020 a természethez .