Ķīmiskā Nobela prēmija Alphafold AI izstrādātājiem, lai prognozētu olbaltumvielu struktūras
Ķīmiskā Nobela prēmija Alphafold AI izstrādātājiem, lai prognozētu olbaltumvielu struktūras
Pirmo reizi - un noteikti ne pēdējo reizi - zinātnisks izrāviens, kuru mākslīgais intelekts bija iespējams, tika piešķirta Nobela prēmija. Ķīmijas Nobela prēmija 2024 tika piešķirta Džonam Jumperam un Demisam Hassabisam Google Deepmind Londonā par revolucionāro ki-toools olbaltumvielu struktūru prognozēšanai, ko sauc par Alphafold , kā arī Dāvidu Beikers no Washington Universitātes Sietlā, lai viņa darbam būtu Darba datora izstrādātais olbaltumvielu dizains, kas notika. "https://www.nature.com/articles/d41586-02947-7" data-strack = "noklikšķiniet uz" data-label = "https://www.nature.com/articles/d41586-02947-7" Data Track Category = "ķermeņa teksts"> tika revolucionizēts Ki .
"Tas ilgu laiku bija sapnis, lai varētu prognozēt olbaltumvielu trīs dimensiju struktūru, pamatojoties uz viņu aminoskābju sekvencēm. Tas gadu desmitiem ilgi tika uzskatīts par neiespējamu," sacīja Heiners Linke, Nobela komitejas priekšsēdētājs un Nanosh Science Lundas Universitātē Zviedrijā. Šī gada balvas ieguvēji "uzlauza kodu", viņš piebilda. Trīs uzvarētājiem ir cena 11 miljoni Zviedrijas kronu (1 miljons dolāru).
apbalvots ki
DeepMind prezentēja Alphafold 2018, kad olbaltumvielu struktūru konkurence, olbaltumvielu struktūras prognozēšanas kritiskais novērtējums (CASP), uzvarēja ik pēc diviem gadiem. Bet tā bija dziļā neironu tīkla otrā versija, 2020. gadā, lai izskaidrotu, ka "problēma kaut kādā veidā ir atrisināta".
Hassabis, līdzdibinātājs un izpilddirektors fon Deepmind, un Alphafold komandas vadītājs Jumper vadīja Alphafold2 attīstību. Lai prognozētu olbaltumvielu struktūras, neironu tīkls integrē līdzīgas struktūras no datu bāzēm ar simtiem tūkstošu eksperimentāli noteiktu struktūru un miljoniem saistīto olbaltumvielu secību - ir informācija par to formām.
2021. gadā, DeepMind tagad ir visa organisma, kas attēloti ģenētiskajās datu bāzēs, struktūras : kopumā aptuveni 214 miljoni prognozē. https://www.nature.com/articles/d41586-01385-x "data-track =" click "data-label =" https://www.nature.com/artics/d41586-01385-x "datu celiņa kategorija =" Ķermeņa teksts "> Trešā versija, kas ir alfafold. Olbaltumvielas, piemēram, medikamenti.
Revolūcija, kuru Jumper, Hassabis un viņas kolēģi Uniashed, joprojām ir sākumā, un Alphafold pilnīga ietekme uz zinātni var būt zināma tikai gadu laikā. Bet rīks jau palīdz zinātniekiem iegūt jaunas zināšanas.
Pionieru komanda kopā ar eksperimentālajiem datiem izmantoja rīku uz Still UNCH. Racionalizēt dārgo un vairāku jaunu medikamentu izstrādes procesu.
Vairāk nekā desmit gadus pirms Deepmind sāka strādāt ar Alphafold, datoru biofiziķis Deivids Beikers no Sietlas Vašingtonas universitātes un viņa kolēģi izstrādāja programmatūras rīkus olbaltumvielu struktūru modelēšanai, pamatojoties uz fiziskiem principiem, un tos sauc par Rosetta. Rīkam bija agrīni panākumi Kad projektēšana jaunā proteīnos
Gadu gaitā Beikera komanda Rosetta pagriezās, lai prognozētu olbaltumvielu struktūras-tā bija viens no labākajiem dalībniekiem daudzos CASP pirms Alphafold nesenās dominēšanas, kā arī jaunu olbaltumvielu, piemēram, fermentu un pašpārliecinošu olbaltumvielu nanodaļiņu, izstrāde. Kad tika paziņots Alphafold2, bet vēl nav publicēts-Bakers un viņa komanda, ieskaitot datorizētu ķīmiķi Minkyung Baek, kurš tagad strādā Seulas Nacionālajā universitātē Dienvidkorejā, devās izprast programmatūru un dažus no tā trikiem piemērot agrākā Rosetta versijā, kas balstīta uz AI balstītu Rosetta versiju. Iegūtā Rosett Fold Network pirmā versija darbojās gandrīz tikpat labi kā Alphafold2. Kopš 2021. gada viņu izstrādātāji un citi zinātnieki ir nepārtraukti uzlabojuši abus tīklus, lai pārvarētu jaunus izaicinājumus, piemēram, kompleksu struktūras prognozēšanu no vairākām dažādām mijiedarbīgām olbaltumvielām. Pēdējos gados Beikera komanda ir bijusi īpaši produktīva, izmantojot mašīnu apguvi savas laboratorijas raison d’être: Lai izveidotu jaunus proteīnus, kas dabā nekad nav redzami . Nesen izstrādāts rīks no Beikera komandas, kas apvieno rožu krājumus ar attēlu ģenerējošiem difūzijas neironu tīkliem, ir izraisījis kvantu lēcienu pētnieku spējā projektēt olbaltumvielu dizainu. Lai arī ar datoru izpildīti rīki, piemēram, Alphafold, neaizstāj eksperimentālus pētījumus, tie ir akselerators, saka zinātnieki. "Tas ļaus jaunai molekulāro biologu paaudzei uzdot progresīvākus jautājumus," sacīja Casp-Richter Andrei Lupas, Max Planck attīstības bioloģijas institūta evolūcijas biologs Tübingenā, Vācijā, 2020 uz dabu . Izveidojiet jaunus proteīnus