Nobelova nagrada za kemijo za razvijalce AlphaFold AI za napovedovanje beljakovinskih struktur

Nobelova nagrada za kemijo za razvijalce AlphaFold AI za napovedovanje beljakovinskih struktur

Prvič - in zagotovo ne zadnje - je znanstveni preboj, ki jo je omogočila umetna inteligenca, prejel Nobelovo nagrado. Nobelova nagrada za kemijo 2024 je bila podeljena Johnu Jumperju in Demisu Hassabisu iz Google Deepmind v Londonu za razvoj prelomnega AI orodja za napovedovanje strukture beljakovin, imenovano AlphaFold, in Davidu Bakerju z univerze v Washingtonu v Seattlu za svoje delo o računalniškem oblikovanju beljakovin v zadnjih nekaj letih je revolucioniral AI.

Učinki alfa, to je bilo razkrito pred nekaj leti, niso nič manj kot transformativni. Orodje je napovedovalo beljakovinske strukture - pogosto, vendar ne vedno, zelo natančno - dostopne raziskovalcem na dotik gumba, kar omogoča poskuse, ki so bili pred desetletjem nepredstavljivi. Biologi zdaj govorijo o obdobju "pred Alphafold" in "po Alphafold".

"Dolgo so bile sanje, da bi lahko napovedali tridimenzionalno strukturo beljakovin na podlagi njihovih aminokislinskih sekvenc. To je desetletja veljalo za nemogoče," je med napovedjo nagrade Lund na Švedskem dejal Heiner Linke, predsednik Nobelovega odbora in nanoscientist na univerzi Lund. Letošnji častniki so "razbili kodo", je dodal. Trije zmagovalci bodo delili nagrado v višini 11 milijonov švedske Krone (1 milijon ameriških dolarjev).

Odličen AI

Deepmind je uvedel AlphaFold leta 2018, ko je zmagal na tekmovanju za napovedovanje dvoletne strukture beljakovin, kritično oceno napovedi strukture beljakovin (CASP). Toda to je bila druga različica globoke nevronske mreže, ki je bila predstavljena konec leta 2020, kar je sprožilo potres v znanosti o življenju.

Številne napovedi AlphaFold2 pri CASP so bile tako natančne, da jih je bilo mogoče razlikovati od eksperimentalno določenih beljakovinskih struktur. To je spodbudilo Johna Moulta, soustanovitelja CASP in računalniškega biologa na Univerzi v Marylandu v College Parku, do razglasiti leta 2020, da je bil "problem rešen na določen način".

Hassabis, soustanovitelj in izvršni direktor Deepmind, in Jumper, vodja ekipe Alphafold, je vodil razvoj AlphaFold2. Za napovedovanje beljakovinskih struktur nevronska mreža združuje podobne strukture iz baz podatkov, ki vsebujejo sto tisoč eksperimentalno določenih struktur in milijone zaporedja povezanih beljakovin - ki vsebujejo informacije o njihovih oblikah.

Leta 2021, Deepmind Osnovna koda AlphaFold2 je na voljo brezplačno, skupaj s podatki, potrebnimi za usposabljanje modela. Ena Baza podatkov AlphaFold, Pripravljeno v sodelovanju z evropskim laboratorijem za molekularno biologijo in Evropskim inštitutom za bioinformatiko v Hinxtonu v Veliki Britaniji, zdaj vsebuje strukture večine beljakovin iz vseh organizmov, predstavljenih v genetskih bazah: Skupno približno 214 milijonov napovedi. Letos je podjetje predstavilo Tretja različica AlphaFolda To lahko modelira tudi druge molekule, ki delujejo z beljakovinami, kot so zdravila.

Revolucija, ki so jo skakalci, Hassabis in njihovi sodelavci sprostili, je še vedno v zgodnjih fazah in Alphafoldov popoln vpliv na znanost morda ne bo znan že leta. Toda orodje že pomaga znanstvenikom, da pridobijo nova spoznanja.

Pionirska ekipa je orodje, skupaj z eksperimentalnimi podatki, uporabila za kompleks jedrskih por Za preslikavo je eden največjih strojev v naših celicah, ki prevaža molekule v in iz celičnega jedra. Dve ekipi sta lani analizirali celotno bazo podatkov AlphaFold, da bi odkrili najglobljive kotičke beljakovinskega vesolja, pri čemer sta prepoznali nove beljakovinske družine in gube ter presenetljive povezave v strojih življenja.

Številni raziskovalci upajo, da bodo AlphaFold in druga orodja AI, ki jih je navdihnila, spremenila medicino. Vendar je še vedno nejasno, kako, ali bo Alphafold racionaliziral drag in večstopenjski postopek razvoja varnih novih zdravil.

Ustvarjanje novih beljakovin

Več kot desetletje, preden je Deepmind začel sodelovati z Alphafoldom, je računalniški biofizik David Baker z univerze v Washingtonu v Seattlu in njegovi sodelavci razvili programska orodja za modeliranje beljakovinskih struktur, ki temeljijo na fizičnih načelih, imenovanih Rosetta. Orodje je imelo zgodnji uspeh v zasnovi novih beljakovin.

Skozi leta je Bakerjeva ekipa uporabila Rosetto za napovedovanje beljakovinskih struktur-med najvišjimi izvajalci na številnih kapih pred nedavno prevlado Alphafolda-pa tudi za oblikovanje novih beljakovin, kot so encimi in samostojne beljakovinske nanodelce.

Ko je bil AlphaFold2 napovedan-vendar še ni izšel-Baker in njegova ekipa, vključno z računalniškim kemikom Minkyung Baekom, ki je zdaj na nacionalni univerzi Seul v Južni Koreji, sta se odločila razumeti programsko opremo in uporabiti nekatere svoje trike za prejšnjo različico Rosette, ki temelji na AI. Prva različica dobljenega omrežja RosettAfold je delovala skoraj tako tudi kot AlphaFold2. Od leta 2021 so razvijalci in drugi znanstveniki nenehno izboljševali obe mreži za reševanje novih izzivov, kot je napovedovanje strukture kompleksov, sestavljenih iz več različnih interakcijskih beljakovin.

V zadnjih letih je Bakerjeva ekipa še posebej produktivna pri uporabi strojnega učenja na Raison d'être njegovega laboratorija: ustvariti nove beljakovine, ki jih v naravi še nikoli nismo videli. Nedavno razvito orodje Bakerjeve ekipe, ki združuje RosettAfold z difuzijsko nevronsko mrežo, ki ustvarja slike, je privedlo do kvantnega preskoka v sposobnosti raziskovalcev za oblikovanje beljakovin.

Čeprav računska orodja, kot je AlphaFold, niso nadomestna za eksperimentalne študije, so to pospeševalnik, pravijo znanstveniki. "To bo omogočilo novi generaciji molekularnih biologov za postavljanje naprednejših vprašanj," je dejal sodnik CASP Andrei Lupas, evolucijski biolog na Max Planck Institute za razvojno biologijo v Tübingenu v Nemčiji. 2020 do narave.