Nobelova cena za chémiu pre vývojárov Alfafold AI na predpovedanie proteínových štruktúr

Nobelova cena za chémiu pre vývojárov Alfafold AI na predpovedanie proteínových štruktúr

Prvýkrát - a určite nie posledný - vedecký prielom, ktorý umožnil umelá inteligencia, získala Nobelovu cenu. Nobelova cena za chémiu z roku 2024 bola udelená Johnovi Jumperovi a Demisovi Hassabisovi z Google DeepMind v Londýne za rozvoj priekopníckeho Nástroje AI pre predikciu proteínovej štruktúry nazývané alfafold a Davidovi Bakerovi z University of Washington v Seattli za prácu na dizajne výpočtových bielkovín za posledných pár rokov bol revolúciou v AI.

Účinky alfafoldu, že bol odhalený pred niekoľkými rokmi, nie sú nič iné ako transformačné. Tento nástroj urobil predpovedanie proteínových štruktúr - často, ale nie vždy, vysoko presné - prístupné pre vedcov na stlačení tlačidla, čo umožnilo experimenty, ktoré boli pred desiatimi rokmi nemysliteľné. Biológovia teraz hovoria o ére „pred Alphafoldom“ a „After Alphafold“.

„Je už dlho snom, aby sme dokázali predpovedať trojrozmernú štruktúru proteínov založených na ich aminokyselinových sekvenciách. Toto bolo po celé desaťročia považované za nemožné,“ uviedol Heiner Linke, predseda Nobelového výboru a nanoscientista na Lund University vo Švédsku. Tohtoročné pocty „prelomili kód,“ dodal. Traja víťazi budú zdieľať cenu 11 miliónov švédskej Krony (1 milión USD).

Vynikajúca AI

DeepMind predstavil Alphafold v roku 2018, keď vyhral konkurenciu predikcie dvojročnej proteínovej štruktúry, kritické hodnotenie predikcie proteínovej štruktúry (CASP). Ale to bola druhá verzia hlbokej neurónovej siete, ktorý bol prezentovaný na konci roku 2020, čo vyvolalo zemetrasenie v životných vedách.

Mnoho predpovedí spoločnosti AlphaFold2 v CASP bolo tak presných, že boli nerozoznateľné od experimentálne určených proteínových štruktúr. To podnietilo Johna Moulta, spoluzakladateľa CASP a výpočtového biológa na University of Maryland v College Park, vyhlásiť v roku 2020, že „problém bol vyriešený určitým spôsobom“.

Hassabis, spoluzakladateľ a generálny riaditeľ spoločnosti DeepMind, a Jumper, vodca tímu Alphafold, viedli vývoj Alphafold2. Na predpovedanie proteínových štruktúr neurónová sieť integruje podobné štruktúry z databáz obsahujúcich stovky tisíc experimentálne určených štruktúr a milióny sekvencií príbuzných proteínov - ktoré obsahujú informácie o ich tvaroch.

V roku 2021, DeepMind Základný kód alfafold2 je k dispozícii zadarmo spolu s údajmi potrebnými na výcvik modelu. Jeden Databáza Alphafold. teraz obsahuje štruktúry väčšiny proteínov zo všetkých organizmov reprezentovaných v genetických databázach: Celkom asi 214 miliónov predpovedí. Tento rok spoločnosť zaviedla jednu Tretia verzia Alphafold To môže tiež modelovať ďalšie molekuly, ktoré interagujú s proteínmi, ako sú lieky.

Revolúcia, ktorú prepojka, Hassabis a ich kolegovia uvoľnili, je stále v počiatočných fázach a Alphafoldov vplyv na vedu nemusí byť známy už roky. Tento nástroj však už pomáha vedcom získať nové poznatky.

Priekopnícky tím použil tento nástroj spolu s experimentálnymi údajmi komplex jadrových pórov Na mapovanie jedného z najväčších strojov v našich bunkách, ktoré transportujú molekuly do a z jadra buniek. V minulom roku dva tímy analyzovali celú databázu Alphafold, aby objavili najhlbšie rohy proteínového vesmíru, identifikovali nové rodiny proteínov a záhyby a prekvapivé spojenia v stroji života.

Mnoho vedcov dúfa, že Alphafold a ďalšie nástroje AI, ktoré inšpirovali, transformujú medicínu. Je to však Stále nejasný, ako, alebo či, Alphafold bude zefektívniť nákladný a viacstupňový proces vývoja nových bezpečných liekov.

Vytváranie nových proteínov

Viac ako desať rokov predtým, ako Deepmind začal pracovať s Alphafoldom, výpočtovým biofyzikom Davidom Bakerom z University of Washington v Seattli a jeho kolegovia vyvinuli softvérové ​​nástroje na modelovanie proteínových štruktúr založených na fyzikálnych princípoch s názvom Rosetta. Tento nástroj mal skorý úspech Pri návrhu nových proteínov.

V priebehu rokov Bakerov tím aplikoval Rosettu na predpovedanie proteínových štruktúr-bol medzi najlepšími umelcami v mnohých kaspoch pred nedávnou Alfafoldovou dominanciou-ako aj na navrhovanie nových proteínov, ako sú enzýmy a samohytné proteínové nanočastice.

Keď bol Alphafold2 oznámený-ale ešte nebol prepustený-Baker a jeho tím, vrátane výpočtovej chemikovi Minkyung Baek, teraz na Soul National University v Južnej Kórei, sa rozhodli porozumieť softvéru a aplikovať niektoré zo svojich trikov na predchádzajúcu verziu Rosetty založenej na AI. Prvá verzia výslednej siete Rosettafold sa uskutočnila takmer rovnako ako alphafold2. Od roku 2021 sa obidve siete neustále zlepšovali ich vývojármi a ostatnými vedcami, aby sa zaoberali novými výzvami, ako je napríklad predpovedanie štruktúry komplexov zložených z niekoľkých rôznych interagujúcich proteínov.

V posledných rokoch bol Bakerov tím obzvlášť produktívny pri aplikácii strojového učenia na raison d'être svojho laboratória: Vytvorenie nových proteínov, ktoré nikdy neboli vidieť v prírode. Nedávno vyvinutý nástroj Bakerovho tímu, ktorý kombinuje Rosettafold s difúznymi neurónnymi sieťami generujúcimi obrazy, viedol k kvantovým skoku v schopnosti výskumných pracovníkov navrhovať proteíny.

Hoci výpočtové nástroje, ako je Alphafold, nie sú náhradou za experimentálne štúdie, vedci tvrdia, že sú urýchľovačom. „To umožní novej generácii molekulárnych biológov klásť pokročilejšie otázky,“ uviedol sudca CASP Andrei Lupas, evolučný biológ na Inštitúte pre vývojovú biológiu Max Planck v Nemeckom Tübingene. 2020 do prírody.