Chemická Nobelová cena pre vývojárov AI Alphafold AI za predpovedanie proteínových štruktúr
Chemická Nobelová cena pre vývojárov AI Alphafold AI za predpovedanie proteínových štruktúr
Prvýkrát - a určite nie naposledy - vedecký prielom, ktorý umožnil umelá inteligencia, získal Nobelovu cenu. Chémia Nobel Cena 2024 bola udelená Johnovi Jumperovi a Demisovi Hassabisovi spoločnosťou Google DeepMind v Londýne za vývoj priekopníckeho Ki-tools pre predpovedanie proteínových štruktúr s názvom Alphafold , ako aj David Baker z University of Washington v Seattli pre jeho prácu v pracovnom počítačovom dizajne Protein "https://www.nature.com/articles/d41586-02947-7" data-track = "kliknite na data-lobel =" https://www.nature.com/articles/D41586-02947-7 "Data Trackory =" Text Text Text Link "> bol revolúciou v revolúcii Ki .
„Dlho bolo snom, aby sme dokázali predpovedať trojrozmernú štruktúru proteínov, založenú na ich aminokyselinových sekvenciách. Toto bolo po celé desaťročia považované za nemožné,“ uviedol Heiner Linke, predseda Nobelovho výboru a Nanosh Science na University of Lund vo Švédsku. Dodal, že tohtoročné víťazi ocenenia „popraskajú kód“. Traja víťazi zdieľajú cenu 11 miliónov švédskych korún (1 milión dolárov).
udelil Ki
DeepMind predstavil Alphafold 2018, keď sa každé dva roky získala konkurencia proteínových štruktúr, kritické hodnotenie predikcie proteínovej štruktúry (CASP). Bola to však druhá verzia siete Deep Neuronal, To vyvolalo zemetrasenie v životných vedách.
Mnoho predpovedí alfafold2 v CASP bolo tak presných, že sa nedali odlíšiť od experimentálne určených proteínových štruktúr. To bolo spôsobené John Moult, spoluzakladateľ CASP a počítačový biológ na University of Maryland v College Park, V roku 2020 vysvetliť, že „problém je nejakým spôsobom vyriešený“. Hassabis, spoluzakladateľ a generálny riaditeľ von Deepmind a Jumper, vedúci tímu Alphafold, viedli vývoj spoločnosti Alphafold2. Aby sa predpovedali proteínové štruktúry, neurónová sieť integruje podobné štruktúry z databáz so stovkami tisíc experimentálne určených štruktúr a milióny sekvencií súvisiacich proteínov - obsahujú informácie o ich formách. V roku 2021, DeepMind teraz obsahuje štruktúry väčšiny proteínov zo všetkých organizmov zastúpených v genetických databázach : Celkom okolo 214 miliónov prediktov. https://www.nature.com/articles/d41586-01385-X "data-track =" kliknite na data-lobel = "https://www.nature.com/artics/D41586-01385-x" Data Trackory = " ako sú lieky. Revolúcia, ktorú Jumper, Hassabis a jej kolegovia uvoľnili, je stále na začiatku a úplné účinky Alphafolda na vedu môžu byť známe iba v rokoch. Tento nástroj už však vedcom pomáha získať nové znalosti. Pioneeringový tím používal tento nástroj spolu s experimentálnymi údajmi na Na mapovanie jedného z najväčších strojov v našich bunkách, molekuly v bunkovom jadre. Minulý rok dva tímy analyzovali celú databázu Alphafold, aby objavili najhlbšie rohy proteínového vesmíru, identifikovali nové rodiny proteínov a záhyby, ako aj prekvapivé spojenia v stroji života. Mnoho vedcov dúfa, že Alphafold a ďalšie nástroje AI, ktoré ju inšpirovali, zmenia medicínu. Je to však Racionalizujte nákladný a viacstupňový proces vývoja nových liekov.
Viac ako desať rokov predtým, ako DeepMind začal pracovať s Alphafoldom, biofyzik počítačom David Baker z University of Washington v Seattli a jeho kolegovia vyvinuli softvérové nástroje na modelovanie proteínových štruktúr založených na fyzických princípoch a nazývajú sa Rosetta. Nástroj mal skoré úspechy
V priebehu rokov sa Bakerov tím Rosetta zmenil na predpovedanie proteínových štruktúr-bol jedným z najlepších účastníkov početných kaspov pred nedávnym Alphafoldovým dominantným dominanciou ako aj pre návrh nových proteínov, ako sú enzýmy a nanočastice s vlastným posilňovaním. Keď bol Alphafold2 ohlásený, ale ešte nie je zverejnený v Baker a jeho tím, vrátane chemika podporovaného počítačom Minkyung Baek, ktorý teraz pracuje na Národnej univerzite v Soule v Južnej Kórei, išiel porozumieť softvéru a uplatniť niektoré zo svojich trikov na predchádzajúcu verziu Rosetty založenej na AI. Prvá verzia výslednej siete Rosett Fold sa uskutočnila takmer rovnako ako alphafold2. Od roku 2021 sa obidve siete neustále zlepšovali ich vývojármi a ostatnými vedcami s cieľom prekonať nové výzvy, napríklad predpoveď štruktúry komplexov z niekoľkých rôznych interagujúcich proteínov. V posledných rokoch bol Bakerov tím obzvlášť produktívny pri používaní strojového učenia pre raison d'être svojho laboratória: Na vytvorenie nových proteínov, ktoré nikdy neboli vidieť v prírode . Nedávno vyvinutý nástroj z tímu Baker, ktorý kombinuje ružové zásoby s difúznymi neuronálnymi sieťami generujúcimi obrazy, viedol k kvantovým skoku v schopnosti vedcov navrhovať dizajn proteínov. Aj keď nástroje s počítačom, ako napríklad Alphafold nenahrádza experimentálne štúdie, sú urýchľovačom, hovoria vedci. „To umožní novej generácii molekulárnych biológov kladenie pokročilejších otázok,“ povedal CASP-Richter Andrei Lupas, evolučný biológ v Inštitúte pre vývojovú biológiu Max Planck v Tübingen v Nemecku, 2020 s Nature . Vytvorte nové proteíny