Premiul Nobel Chemic pentru dezvoltatorii AI Alphafold pentru a prezice structurile proteice
Premiul Nobel Chemic pentru dezvoltatorii AI Alphafold pentru a prezice structurile proteice
pentru prima dată - și cu siguranță nu pentru ultima dată - o descoperire științifică care a fost posibilă de Intelligence Artificial a primit un premiu Nobel. Premiul Nobel Chemistry 2024 a fost acordat lui John Jumper și Demis Hassabis de Google DeepMind la Londra pentru dezvoltarea unui fundal Ki-tools pentru prezicerea structurilor proteice numite Alphafold , precum și David Baker de la Universitatea din Washington în Seattle pentru munca sa la munca de proteină a computerului de lucru, care a fost în ultimii ani a fost revoluționată de ki .
"A fost un vis pentru o lungă perioadă de timp pentru a putea prezice structura trei -dimensională a proteinelor, bazată pe secvențele lor de aminoacizi. Acest lucru a fost considerat imposibil de zeci de ani", a declarat Heiner Linke, președintele Comitetului Nobel și Nanosh Science la Universitatea din Lund din Suedia, în timpul pronunției. Câștigătorii premiilor din acest an „au crăpat codul”, a adăugat el. Cei trei câștigători împărtășesc un preț de 11 milioane de coroane suedeze (1 milion de dolari).
premiat Ki
DeepMind a prezentat Alphafold 2018 când o concurență a structurilor proteice, evaluarea critică a predicției structurii proteice (CASP), a câștigat la fiecare doi ani. Dar a fost a doua versiune a rețelei neuronale profunde, Asta a declanșat un cutremur în științele vieții
Multe dintre predicțiile Alphafold2 la CASP au fost atât de precise încât nu au putut fi distinse de structurile proteice determinate experimental. Acest lucru a fost cauzat de John Moult, co-fondator al CASP și biolog de calculator la Universitatea din Maryland din College Park, În 2020 pentru a explica că "problema este într-un fel rezolvată". Hassabis, co-fondator și CEO von Deepmind, și Jumper, șeful echipei Alphafold, au condus dezvoltarea Alphafold2. Pentru a prezice structurile proteice, rețeaua neuronală integrează structuri similare din bazele de date cu sute de mii de structuri determinate experimental și milioane de secvențe de proteine conexe - conțin informații despre formele lor. În 2021, DeepMind , împreună cu datele necesare pentru instruirea modelului. A Alphafold Database Conține acum structurile majorității proteinelor de la toate organismele reprezentate în bazele de date genetice : un total de aproximativ 214 milioane prezice https://www.nature.com/articles/d41586-01385-x "data-track =" clic "data-label =" https://www.nature.com/artics/d41586-01385-x "Category de date =" Body Text Link "> a treia versiune a Alphafold
Revoluția pe care Jumper, Hassabis și colegii ei o dezvăluie este încă la început, iar efectele complete ale Alphafold asupra științei pot fi cunoscute doar de ani. Dar instrumentul îi ajută deja pe oamenii de știință să dobândească noi cunoștințe. O echipă de pionierat a folosit instrumentul, împreună cu datele experimentale, la Pentru a hartă, una dintre cele mai mari mașini din celulele noastre, moleculele din nucleul celular. Anul trecut, două echipe au analizat întreaga bază de date Alphafold pentru a descoperi cele mai profunde colțuri ale universului proteic, au identificat noi familii de proteine și pliuri, precum și conexiuni surprinzătoare în mașina vieții. Mulți cercetători speră că Alphafold și alte instrumente AI care au inspirat -o vor transforma medicina. Cu toate acestea, este creați proteine noi
cu mai mult de un deceniu înainte ca Deepmind să înceapă să lucreze cu Alphafold, biofizicistul, David Baker, de la Universitatea din Washington din Seattle, și colegii săi au dezvoltat instrumente software pentru modelarea structurilor proteice bazate pe principii fizice și sunt numite Rosetta. Instrumentul a avut succese timpurii
De-a lungul anilor, echipa lui Baker Rosetta s-a transformat pentru a prezice structurile proteice-a fost unul dintre cei mai buni participanți la numeroase CASP-uri înainte de recentul dominanță al lui Alphafold, precum și pentru proiectarea de noi proteine, cum ar fi enzimele și nanoparticulele proteice care se auto-puțină. Când Alphafold2 a fost anunțat, dar nu a fost încă publicat-Baker și echipa sa, inclusiv chimistul asistat de computer Minkyung Baek, care lucrează acum la Universitatea Națională din Seul din Coreea de Sud, a mers să înțeleagă software-ul și să aplice unele dintre trucurile sale la o versiune anterioară a Rosetta, bazată pe AI. Prima versiune a rețelei Rosett Fold rezultate a avut loc aproape la fel de bine ca AlphaFold2. Începând cu 2021, ambele rețele au fost îmbunătățite continuu de dezvoltatorii lor și de alți oameni de știință pentru a depăși noi provocări, de exemplu prezicerea structurii complexelor din mai multe proteine interacționate diferite. În ultimii ani, echipa lui Baker a fost deosebit de productivă în utilizarea învățării automate la rațiunea de a-l a fi laboratorul său: pentru a crea proteine noi care nu au fost niciodată văzute în natură . Un instrument dezvoltat recent din echipa lui Baker care combină stocul de trandafiri cu rețelele neuronale de difuzie generatoare de imagini a dus la un salt cuantic în capacitatea cercetătorilor de a proiecta proiectarea proteinelor. Deși instrumentele prevăzute de computer, cum ar fi Alphafold, nu sunt un înlocuitor pentru studiile experimentale, ele sunt un accelerator, spun oamenii de știință. "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 la natură .