Alphafold AI开发人员的化学诺贝尔奖预测蛋白质结构
Alphafold AI开发人员的化学诺贝尔奖预测蛋白质结构
第一次 - 当然不是最后一次 - 人工智能实现的科学突破被授予了诺贝尔奖。伦敦的Google DeepMind授予2024年诺贝尔奖2024年诺贝尔奖，以开发开创性 ki-tools> ki-tools称为alphafold ，以及他在西班牙工作的大卫贝克（David Baker “ https://www.nature.com/articles/d41586-02947-7” data-track =“ click”“ data-label =” https://www.nature.com/articles/d41586-02947-7“ data track category =“身体文本链接链接”
alphafold的效果，，无非是变革性。该工具对蛋白质结构进行了预测 - 通常但并非总是如此准确地可以访问研究人员，并且启用了十年前无法想象的实验。现在，生物学家谈到了一个“在Alphafold面前”和“对Alphafold”的时代。
“很长一段时间以来，能够根据其氨基酸序列来预测蛋白质的三维结构。这是数十年来的不可能的，”诺克委员会主席和洛德大学斯威登大学诺克斯科科学主席海纳·林克（Heiner Linke）在发音期间说。他补充说，今年的获奖者“破解了代码”。这三名获奖者共享1100万瑞典王冠（100万美元）。
奖励
DeepMind提出了Alphafold 2018，当时蛋白质结构的竞争，蛋白质结构预测的批判性评估（CASP）每两年赢得一次。但这是深神经网络的第二版，这引发了生命科学的地震
CASP上Alphafold2的许多预测是如此精确，以至于无法将它们与实验确定的蛋白质结构区分开。这是由CASP的联合创始人兼计算机生物学家John Moult造成的，在2020年，以解释“问题在某种程度上解决了”。 Hassabis，联合创始人兼首席执行官Von DeepMind，Alphafold团队负责人Jumper领导了Alphafold2的发展。为了预测蛋白质结构，神经网络将数据库中的相似结构集成了数十万个实验确定的结构和数百万相关蛋白质序列 - 包含有关其形式的信息。 在2021年，deepmind ，以及训练模型所需的数据。 a 现在包含来自基因数据库中所有生物体的大多数蛋白质的结构：本年度总计21400万的公司。 https://www.nature.com/articles/d41586-01385-x“ data-track =”单击“ data-label =” https：//www.nature.com/artics/artics/artics/d41586-01385-x“蛋白质，例如药物。 Jumper，Hassabis和她的同事们释放的革命仍在开始，并且Alphafold对科学的全部影响可能只有多年来才知道。但是该工具已经在帮助科学家获得新知识。 A pioneering team used the tool, together with experimental data, to the nuclear pore complex 映射我们细胞中最大的机器之一，是细胞核中的分子。去年，两个团队分析了整个Alphafold数据库，以发现蛋白质宇宙的最深角落，确定了新的蛋白质家族和褶皱以及生命机器中令人惊讶的连接。 许多研究人员希望启发其启发药物的Alphafold和其他AI工具会改变医学。 However, it is still unclear , how, or whether Alphafold will合理化开发安全的新药的昂贵和多阶段
DeepMind开始与Alphafold合作的十多年，这是来自西雅图华盛顿大学的计算机辅助生物物理学家David Baker，他的同事开发了用于基于物理原理建模蛋白质结构的软件工具，称为Rosetta。该工具的早期成功
多年来，贝克团队的罗塞塔（Rosetta）转向预测蛋白质结构 - 它是在Alphafold最近的优势和设计新蛋白质（例如酶和自粘蛋白纳米颗粒）的设计之前，是众多桶中最好的参与者之一。 当Alphafold2宣布但尚未出版的Baker及其团队（包括计算机辅助的化学家Minkyung Baek）时，他现在在韩国首尔国立大学工作，他去理解该软件并将其一些技巧应用于早期的AI基于AI的Rosetta版本。由此产生的Rosett Fold网络的第一个版本几乎和AlphaFold2一样。自2021年以来，其开发人员和其他科学家为了克服新的挑战，例如从几种不同的相互作用蛋白质来预测复合物的结构。 近年来，贝克的团队在将机器学习与他的实验室的理由一起使用：创建在自然界中从未见过的新蛋白质。贝克团队最近开发的工具将玫瑰股与图像生成的扩散神经元网络相结合，导致了研究人员设计蛋白质设计的能力的量子飞跃。 科学家说，尽管诸如AlphaFold之类的计算机辅助工具不是实验研究的替代品，但它们是加速器。 "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 to nature 。创建新蛋白质