Nagroda chemiczna Nagrody Nobla dla programistów Alphafold AI do przewidywania struktur białkowych
Nagroda chemiczna Nagrody Nobla dla programistów Alphafold AI do przewidywania struktur białkowych
Po raz pierwszy - i na pewno nie po raz ostatni - przełom naukowy, który był możliwy dzięki sztucznej inteligencji, otrzymał nagrodę Nobla. Nagroda Nobla w Chemistry Nobel 2024 została przyznana Johnowi Jumperze i Demis Hassabis przez Google Deepmind w Londynie za opracowanie przełomu Ki-na-na-na-narzędzie do przewidywania struktur białkowych o nazwie Alphafold , a także David Baker z Uniwersytetu Waszyngtonu w Seattle dla jego pracy w pracy komputerowej, że w ostatnich latach
„To było marzenie przez długi czas, aby móc przewidzieć trójwymiarową strukturę białek, opartą na ich sekwencjach aminokwasowych. Było to uważane za niemożliwe przez dziesięciolecia”, powiedział Heiner Linke, przewodniczący Komitetu Nobla i Nanosh Science na University of Lund w Szwecji, podczas wypowiedzi. Dodał, że tegoroczni laureatorzy „złamali kod”. Trzej zwycięzcy mają cenę 11 milionów szwedzkich koron (1 milion dolarów).
przyznane ki
Deepmind przedstawił Alphafold 2018, kiedy konkurencja struktur białkowych, krytyczna ocena przewidywania struktury białek (CASP), wygrała co dwa lata. Ale była to druga wersja głębokiej sieci neuronalnej, To wywołało trzęsienie ziemi w naukach życiowych
Wiele prognoz alfafold2 w CASP było tak precyzyjnych, że nie można ich odróżnić od eksperymentalnie określonych struktur białkowych. Było to spowodowane przez Johna Moulta, współzałożyciela CASP i biologa komputerowego z University of Maryland w College Park, w 2020 r. W celu wyjaśnienia, że „problem jest w jakiś sposób rozwiązany”. Hassabis, współzałożyciel i dyrektor generalny von Deepmind i Jumper, szef zespołu Alphafold, poprowadzili rozwój alfafold2. Aby przewidzieć struktury białkowe, sieć neuronowa integruje podobne struktury z baz danych z setkami tysięcy określonych eksperymentalnie struktur i milionów sekwencji powiązanych białek - zawiera informacje o ich formach. W 2021 r. DeepMind wraz z danymi wymaganymi do szkolenia modelu. A Zawiera teraz struktury większości białek ze wszystkich organizmów reprezentowanych w bazach genetycznych : https://www.nature.com/articles/d41586-01385-x "data-track =" kliknij "data-label =" https://www.nature.com/artics/d41586-01385-x kategoria ścieżki danych = "link tekstowy" takie jak leki. Rewolucja, którą skocznia, Hassabis i jej koledzy uwolnili, wciąż jest na początku, a pełny wpływ alfafolda na naukę może być znana tylko od lat. Ale narzędzie już pomaga naukowcom zdobyć nową wiedzę. Pionierski zespół użył tego narzędzia, wraz z danymi eksperymentalnymi, do Aby stworzyć nowe białka, które nigdy nie były postrzegane w naturze . Niedawno opracowane narzędzie zespołu Bakera, które łączy róży róży z generującymi obrazem sieci neuronalnymi dyfuzyjnymi, doprowadziło do skoku kwantowego w zdolności badaczy do projektowania białka. Chociaż narzędzia oparte na komputerze, takie jak Alphafold, nie są substytutem badań eksperymentalnych, są akceleratorem, mówią naukowcy. „Umożliwi to nowej generacji biologów molekularnych zadawanie bardziej zaawansowanych pytań”-powiedział Casp-Richter Andrei Lupas, biolog ewolucyjny w Max Planck Institute for Development Biology w Tübingen, Niemcy, 2020 do natury .