Chemische Nobelprijs voor Alphafold AI -ontwikkelaars om eiwitstructuren te voorspellen
Chemische Nobelprijs voor Alphafold AI -ontwikkelaars om eiwitstructuren te voorspellen
Voor het eerst - en zeker niet voor de laatste keer - een wetenschappelijke doorbraak die mogelijk werd gemaakt door kunstmatige intelligentie, kreeg een Nobelprijs. De chemie Nobelprijs 2024 werd toegekend aan John Jumper en Demis Hassabis door Google DeepMind in Londen voor de ontwikkeling van een baanbrekende ki-tools voor het voorspellen van eiwitstructuren genaamd Alphafold , evenals David Baker van de Universiteit van Washington in Seattle voor zijn werkzaamheden in het werk Computer-gemeitte proteïne die in de afgelopen jaren wordt genoemd was revolutie door KI .
"Het was lange tijd een droom om de drie -dimensionale structuur van eiwitten te voorspellen, gebaseerd op hun aminozuursequenties. Dit werd gedurende tientallen jaren als onmogelijk beschouwd", zei Heiner Linke, de voorzitter van de Nobelcommissie en de Nanosh Science aan de Universiteit van Lund in Zweden, tijdens de uitspraak. De prijswinnaars van dit jaar "Cracked the Code", voegde hij eraan toe. De drie winnaars delen een prijs van 11 miljoen Zweedse kronen ($ 1 miljoen).
toegekend Ki
DeepMind presenteerde Alphafold 2018 toen een competitie van eiwitstructuren, de kritische beoordeling van de voorspelling van eiwitstructuur (CASP), om de twee jaar won. Maar het was de tweede versie van het Deep Neuronal Network, Dat heeft een aardbeving in de levenswetenschappen geactiveerd.
Veel van de voorspellingen van Alphafold2 bij CASP waren zo nauwkeurig dat ze niet konden worden onderscheiden van experimenteel bepaalde eiwitstructuren. Dit werd veroorzaakt door John Moult, mede-oprichter van CASP en computerbioloog aan de Universiteit van Maryland in College Park, in 2020 om uit te leggen dat "het probleem op de een of andere manier is opgelost". Hassabis, mede-oprichter en CEO Von Deepmind, en Jumper, hoofd van het Alphafold-team, leidden de ontwikkeling van Alphafold2. Om eiwitstructuren te voorspellen, integreert het neurale netwerk vergelijkbare structuren uit databases met honderdduizenden experimenteel bepaalde structuren en miljoenen sequenties van gerelateerde eiwitten - bevatten informatie over hun vormen. In 2021, DeepMind , samen met de gegevens die nodig zijn om het model te trainen. A alphafold database Alphafold database bevat nu de structuren van de meeste eiwitten van alle organismen die worden weergegeven in genetische databases
De revolutie die Jumper, Hassabis en haar collega's ontketenen, is nog in het begin, en de volledige effecten van Alphafold op de wetenschap kunnen in jaren alleen maar bekend zijn. Maar de tool helpt wetenschappers al om nieuwe kennis op te doen.
A pioneering team used the tool, together with experimental data, to the nuclear pore Complex Om in kaart te brengen, een van de grootste machines in onze cellen, de moleculen in de celkern. Vorig jaar analyseerden twee teams de hele Alphafold -database om de diepste hoeken van het eiwituniversum te ontdekken, nieuwe eiwitfamilies en vouwen identificeerden, evenals verrassende verbindingen in de machine van het leven.
Veel onderzoekers hopen dat Alphafold en andere AI -tools die het hebben geïnspireerd de geneeskunde zal transformeren. Het is echter Still , How, How, How, How, How, How, How, How of Of of ALPHAFOLD wil Rationaliseer het kostbare en multi -stage proces van het ontwikkelen van veilige nieuwe medicatie.
nieuwe eiwitten maken
Meer dan een decennium voordat DeepMind begon te werken met Alphafold, ontwikkelde de computer -aided biofysicus David Baker van de Universiteit van Washington in Seattle en zijn collega's softwaretools voor het modelleren van eiwitstructuren op basis van fysieke principes en wordt Rosetta genoemd. De tool had vroege successen wanneer het ontwerpen van nieuwe protegeïne
In de loop der jaren wendde Baker's team Rosetta zich om eiwitstructuren te voorspellen-het was een van de beste deelnemers in talloze CASP's vóór Alphafold's recente dominantie, evenals voor het ontwerp van nieuwe eiwitten zoals enzymen en zelfstudende eiwitnanodeeltjes.
Toen Alphafold2 werd aangekondigd, maar nog niet gepubliceerd Baker en zijn team, inclusief de computerondersteunde chemicus Minkyung Baek, die nu werkt aan de Seoul National University in Zuid-Korea, ging de software begrijpen en een deel van zijn trucs toepassen op een eerdere AI-gebaseerde versie van Rosetta. De eerste versie van het resulterende Rosett Fold -netwerk presteerde bijna net zo goed als Alphafold2. Sinds 2021 zijn beide netwerken continu verbeterd door hun ontwikkelaars en andere wetenschappers om nieuwe uitdagingen te overwinnen, bijvoorbeeld de voorspelling van de structuur van complexen uit verschillende interacterende eiwitten.
In de afgelopen jaren is het team van Baker bijzonder productief geweest in het gebruik van machinaal leren aan de bestaansreden van zijn laboratorium: Om nieuwe eiwitten te maken die nog nooit in de natuur zijn gezien . Een recent ontwikkeld tool van het team van Baker dat ROSE-stock combineert met beeldgenererende diffusie-neuronale netwerken heeft geleid tot een kwantumsprong in het vermogen van de onderzoekers om eiwitontwerp te ontwerpen.
Hoewel computer -aided tools zoals Alphafold geen vervanging zijn voor experimentele studies, zijn ze een versneller, zeggen wetenschappers. "Hiermee kan een nieuwe generatie moleculaire biologen meer geavanceerde vragen stellen", zegt Casp-Richter Andrei Lupas, een evolutionaire bioloog bij het Max Planck Institute for Development Biology in Tübingen, Duitsland, 2020 naar de natuur .