Nobelova cena za chemii pro vývojáře AlphaFold AI za predikci proteinových struktur

Nobelova cena za chemii pro vývojáře AlphaFold AI za predikci proteinových struktur

Poprvé – a rozhodně ne naposledy – byl vědecký průlom, který umožnila umělá inteligence, oceněn Nobelovou cenou. Nobelovu cenu za chemii za rok 2024 získali John Jumper a Demis Hassabis z Google DeepMind v Londýně za vývoj průlomového Nástroje umělé inteligence pro predikci struktury proteinů zvané AlphaFold a Davidu Bakerovi z Washingtonské univerzity v Seattlu za jeho práci na počítačovém návrhu proteinů v posledních několika letech způsobila revoluci AI.

Účinky AlphaFold, že byla odhalena před několika lety, nejsou nic menšího než transformativní. Tento nástroj zpřístupnil předpovědi proteinových struktur – často, ale ne vždy, vysoce přesné – výzkumníkům pouhým stisknutím tlačítka, což umožnilo experimenty, které byly před deseti lety nemyslitelné. Biologové nyní hovoří o době „před AlphaFold“ a „po AlphaFold“.

"Dlouho bylo snem být schopni předpovědět trojrozměrnou strukturu proteinů na základě jejich aminokyselinových sekvencí. To bylo po desetiletí považováno za nemožné," řekl Heiner Linke, předseda Nobelovy komise a nanovědec z univerzity v Lundu ve Švédsku při vyhlašování ceny. Letošní ocenění „rozluštili kód,“ dodal. Tři vítězové si rozdělí odměnu ve výši 11 milionů švédských korun (1 milion USD).

Výborná AI

Společnost DeepMind představila AlphaFold v roce 2018, když vyhrála dvouletou soutěž o predikci proteinové struktury, Critical Assessment of Protein Structure Prediction (CASP). Ale byla to druhá verze hluboké neuronové sítě, který byl představen na konci roku 2020, která vyvolala zemětřesení v biologických vědách.

Mnohé z předpovědí AlphaFold2 na CASP byly tak přesné, že byly k nerozeznání od experimentálně určených proteinových struktur. To přimělo Johna Moulta, spoluzakladatele CASP a počítačového biologa na University of Maryland v College Parku, aby vyhlásit v roce 2020, že „problém byl určitým způsobem vyřešen“.

Hassabis, spoluzakladatel a generální ředitel společnosti DeepMind, a Jumper, vedoucí týmu AlphaFold, vedli vývoj AlphaFold2. K predikci proteinových struktur integruje neuronová síť podobné struktury z databází obsahujících statisíce experimentálně určených struktur a miliony sekvencí příbuzných proteinů – které obsahují informace o jejich tvarech.

V roce 2021 DeepMind Základní kód AlphaFold2 je k dispozici zdarma, spolu s daty potřebnými k trénování modelu. Jeden Databáze AlphaFold, připravený ve spolupráci s European Molecular Biology Laboratory a European Bioinformatics Institute v Hinxtonu ve Velké Británii, nyní obsahuje struktury většiny proteinů ze všech organismů zastoupených v genetických databázích: celkem asi 214 milionů předpovědí. Letos společnost jeden představila třetí verze AlphaFold které mohou také modelovat další molekuly, které interagují s proteiny, jako jsou léky.

Revoluce, kterou Jumper, Hassabis a jejich kolegové rozpoutali, je stále v rané fázi a plný dopad AlphaFold na vědu nemusí být znám léta. Tento nástroj však již nyní pomáhá vědcům získat nové poznatky.

Průkopnický tým použil tento nástroj spolu s experimentálními daty komplex jaderných pórů mapovat, jeden z největších strojů v našich buňkách, který transportuje molekuly dovnitř a ven z buněčného jádra. Minulý rok dva týmy analyzovaly celou databázi AlphaFold, aby objevily nejhlubší zákoutí proteinového vesmíru, identifikovaly nové rodiny proteinů a záhyby a překvapivá spojení v mechanismu života.

Mnoho výzkumníků doufá, že AlphaFold a další nástroje AI, které inspirovaly, promění medicínu. Nicméně je stále nejasné, jak nebo zda AlphaFold zefektivní nákladný a vícestupňový proces vývoje nových bezpečných léků.

Vytváření nových proteinů

Více než deset let předtím, než DeepMind začal spolupracovat s AlphaFold, počítačový biofyzik David Baker z Washingtonské univerzity v Seattlu a jeho kolegové vyvinuli softwarové nástroje pro modelování proteinových struktur na základě fyzikálních principů zvané Rosetta. Nástroj měl brzký úspěch v designu nových proteinů.

V průběhu let Bakerův tým aplikoval Rosettu k předpovídání proteinových struktur – patřila k nejlepším na mnoha CASP před nedávnou dominancí AlphaFold – a také k navrhování nových proteinů, jako jsou enzymy a samoskládající se proteinové nanočástice.

Když byl AlphaFold2 oznámen – ale ještě nevydán – Baker a jeho tým, včetně počítačového chemika Minkyunga Baeka, nyní na Soulské národní univerzitě v Jižní Koreji, se rozhodli porozumět softwaru a aplikovat některé z jeho triků na dřívější verzi Rosetty založenou na umělé inteligenci. První verze výsledné sítě RoseTTAFold si vedla téměř stejně dobře jako AlphaFold2. Od roku 2021 byly obě sítě neustále vylepšovány svými vývojáři a dalšími vědci, aby čelily novým výzvám, jako je předpovídání struktury komplexů složených z několika různých interagujících proteinů.

V posledních letech byl Bakerův tým obzvláště produktivní při aplikaci strojového učení na raison d'être jeho laboratoře: k vytvoření nových proteinů, které v přírodě nikdy nebyly viděny. Nedávno vyvinutý nástroj Bakerovým týmem, který kombinuje RoseTTAFold s difúzními neuronovými sítěmi vytvářejícími obraz, vedl ke kvantovému skoku ve schopnosti výzkumníků navrhovat proteiny.

Ačkoli výpočetní nástroje jako AlphaFold nejsou náhradou za experimentální studie, jsou urychlovačem, říkají vědci. "To umožní nové generaci molekulárních biologů klást pokročilejší otázky," řekl soudce CASP Andrei Lupas, evoluční biolog z Institutu Maxe Plancka pro vývojovou biologii v německém Tübingenu. 2020 do přírody.