Premio Nobel chimico per gli sviluppatori di AI Alphafold per prevedere le strutture proteiche
Premio Nobel chimico per gli sviluppatori di AI Alphafold per prevedere le strutture proteiche
Per la prima volta - e certamente non per l'ultima volta - una svolta scientifica resa possibile dall'intelligenza artificiale è stato assegnato un premio Nobel. Il premio Nobel chimico 2024 è stato assegnato a John Jumper e Demis Hassabis da Google DeepMind a Londra per lo sviluppo di un rivoluzionario Ki-tools per prevedere strutture proteiche chiamate alfafolda , così come David Baker dell'Università di Washington a Seattle per il suo lavoro nel lavoro assistito da proteina che ha assistito a proteina che ha assistito a proteina che ha assistito a proteina che ha assistito a una progettazione di proteine che ha assistito a una progettazione di proteine che ha assistito a una progettazione di proteine che ha assistito a una progettazione di proteine che ha assistito a una progettazione di proteine. "https://www.nature.com/articles/d41586-02947-7" data-track = "clicca" data-label = "https://www.nature.com/articles/d41586-02947-7" track di dati category = "Link del testo del corpo"> è stato rivoluzionato per ki .
"È stato un sogno per molto tempo per essere in grado di prevedere la struttura a tre dimensioni delle proteine, basata sulle loro sequenze di aminoacidi. Questo è stato considerato impossibile per decenni", ha detto Heiner Linke, presidente del Comitato Nobel e Nanosh Science presso l'Università di Lund in Svezia, durante la dichiarazione. I vincitori del premio di quest'anno "hanno rotto il codice", ha aggiunto. I tre vincitori condividono un prezzo di 11 milioni di corone svedesi ($ 1 milione).
premiato Ki
DeepMind ha presentato Alphafold 2018 quando una competizione di strutture proteiche, la valutazione critica della previsione della struttura proteica (CASP), ha vinto ogni due anni. Ma era la seconda versione della rete neuronale profonda, Ciò ha scatenato un terremoto nelle scienze della vita
Molte delle previsioni di AlphaFold2 a CASP erano così precise che non potevano essere distinte dalle strutture proteiche determinate sperimentalmente. Ciò è stato causato da John Moult, co-fondatore di CASP e biologo informatico presso l'Università del Maryland a College Park, nel 2020 per spiegare che "il problema è in qualche modo risolto". Hassabis, co-fondatore e CEO Von Deepmind e Jumper, capo del team Alphafold, hanno guidato lo sviluppo di Alphafold2. Al fine di prevedere le strutture proteiche, la rete neurale integra strutture simili da database con centinaia di migliaia di strutture determinate sperimentalmente e milioni di sequenze di proteine correlate - contengono informazioni sulle loro forme. nel 2021, DeepMind Ora contiene le strutture della maggior parte delle proteine di tutti gli organismi rappresentati nei database genetici : un totale di circa 214 milioni di previsione. https://www.nature.com/articles/d41586-01385-x "data-track =" clicca "data-label =" https://www.nature.com/artics/d41586-01385-x "trattare i dati Link del tema corpo proteine, come i farmaci. La rivoluzione che Jumper, Hassabis e i suoi colleghi scatenano è ancora all'inizio e i completi effetti di Alphafold sulla scienza possono essere conosciuti solo da anni. Ma lo strumento sta già aiutando gli scienziati a acquisire nuove conoscenze. Un team pionieristico ha utilizzato lo strumento, insieme a dati sperimentali, a Crea nuove proteine
Più di un decennio prima che DeepMind iniziasse a lavorare con Alphafold, il biofisico assistito dal computer David Baker dell'Università di Washington a Seattle e i suoi colleghi hanno sviluppato strumenti software per modellare le strutture proteiche basate su principi fisici e sono chiamati Rosetta. Lo strumento ha avuto successi precoci
Nel corso degli anni, il team di Baker Rosetta si è rivolto a prevedere le strutture proteiche: è stato uno dei migliori partecipanti a numerosi CASP prima del recente dominio di Alphafold, nonché per la progettazione di nuove proteine come gli enzimi e le nanoparticelle di proteine autonomi. Quando Alphafold2 è stato annunciato, ma non ancora pubblicato-Baker e il suo team, incluso il chimico assistito da computer Minkyung Baek, che ora lavora alla Seoul National University in Corea del Sud, è andato a comprendere il software e ad applicare alcuni dei suoi trucchi a una precedente versione di Rosetta. La prima versione della rete Rosett Fold risultante ha eseguito quasi AlphaFold2. Dal 2021, entrambe le reti sono state continuamente migliorate dai loro sviluppatori e da altri scienziati al fine di superare nuove sfide, ad esempio la previsione della struttura dei complessi da diverse proteine interagenti. Negli ultimi anni, il team di Baker è stato particolarmente produttivo nell'uso dell'apprendimento automatico alla raison d’être del suo laboratorio: Per creare nuove proteine che non sono mai state viste nella natura . Uno strumento recentemente sviluppato dal team di Baker che combina lo stock Rose con reti neuronali di diffusione che generano immagini ha portato a un salto quantistico nella capacità dei ricercatori di progettare la progettazione di proteine. Sebbene gli strumenti assistiti da computer come Alphafold non sostituiscano studi sperimentali, sono un acceleratore, affermano gli scienziati. "This will enable a new generation of molecular biologists to ask more advanced questions," said Casp-Richter Andrei Lupas, an evolutionary biologist at the Max Planck Institute for Development Biology in Tübingen, Germany, 2020 alla natura .