Nobelova nagrada za kemiju za programere AlphaFold AI za predviđanje strukture proteina

Nobelova nagrada za kemiju za programere AlphaFold AI za predviđanje strukture proteina

Prvi put - a sigurno ne posljednji - znanstveni napredak koji je omogućila umjetna inteligencija dobio je Nobelovu nagradu. Nobelova nagrada za kemiju 2024. dodijeljena je Johnu Jumperu i Demisu Hassabisu iz Google DeepMinda u Londonu za razvoj revolucionarnog AI alati za predviđanje strukture proteina nazvani AlphaFold i Davidu Bakeru sa Sveučilišta Washington u Seattleu za njegov rad na dizajnu računalnog proteina u posljednjih nekoliko godina je revolucionirao AI.

Učinci AlphaFolda, to otkriveno je prije nekoliko godina, nisu ništa manje nego transformativni. Alat je omogućio predviđanje proteinskih struktura – često, ali ne uvijek, vrlo preciznih – dostupnim istraživačima pritiskom na gumb, omogućujući eksperimente koji su bili nezamislivi prije deset godina. Biolozi sada govore o eri "prije AlphaFolda" i "nakon AlphaFolda".

"Dugo je bio san moći predvidjeti trodimenzionalnu strukturu proteina na temelju njihovih aminokiselinskih sekvenci. To se desetljećima smatralo nemogućim", rekao je Heiner Linke, predsjednik Nobelovog odbora i nanoznanstvenik na Sveučilištu Lund u Švedskoj, tijekom objave nagrade. Ovogodišnji dobitnici "razbili su šifru", dodao je. Tri pobjednika podijelit će nagradu od 11 milijuna švedskih kruna (milijun američkih dolara).

Izvrsna AI

DeepMind je predstavio AlphaFold 2018. kada je pobijedio na dvogodišnjem natjecanju za predviđanje strukture proteina, Critical Assessment of Protein Structure Prediction (CASP). Ali to je bila druga verzija duboke neuronske mreže, koji je predstavljen krajem 2020, što je izazvalo potres u znanostima o životu.

Mnoga predviđanja AlphaFold2 na CASP-u bila su toliko točna da se nisu mogla razlikovati od eksperimentalno utvrđenih proteinskih struktura. To je potaknulo Johna Moulta, suosnivača CASP-a i računalnog biologa na Sveučilištu Maryland u College Parku, da proglasiti 2020, da je “problem na određeni način riješen”.

Hassabis, suosnivač i izvršni direktor DeepMinda, i Jumper, vođa AlphaFold tima, vodili su razvoj AlphaFold2. Za predviđanje struktura proteina, neuronska mreža integrira slične strukture iz baza podataka koje sadrže stotine tisuća eksperimentalno utvrđenih struktura i milijune sekvenci srodnih proteina – koji sadrže informacije o njihovim oblicima.

U 2021. DeepMind Temeljni kod AlphaFold2 dostupan je besplatno, zajedno s podacima potrebnim za obuku modela. Jedan AlphaFold baza podataka, pripremljen u suradnji s Europskim laboratorijem za molekularnu biologiju i Europskim institutom za bioinformatiku u Hinxtonu, UK, sada sadrži strukture većine proteina iz svih organizama zastupljenih u genetskim bazama podataka: ukupno oko 214 milijuna predviđanja. Ove godine tvrtka je predstavila jedan treća verzija AlphaFolda koji također može modelirati druge molekule koje su u interakciji s proteinima, poput lijekova.

Revolucija koju su pokrenuli Jumper, Hassabis i njihovi kolege još je u ranoj fazi, a puni utjecaj AlphaFolda na znanost možda neće biti poznat godinama. Ali alat već pomaže znanstvenicima da steknu nove uvide.

Pionirski tim koristio je alat, zajedno s eksperimentalnim podacima, da nuklearni pore kompleks za mapiranje, jedan od najvećih strojeva u našim stanicama koji prenosi molekule u i iz stanične jezgre. Prošle su godine dva tima analizirala cijelu AlphaFold bazu podataka kako bi otkrili najdublje kutove proteinskog svemira, identificirajući nove proteinske obitelji i nabore te iznenađujuće veze u strojevima života.

Mnogi se istraživači nadaju da će AlphaFold i drugi AI alati koje je inspirirao transformirati medicinu. Međutim, jest još uvijek nejasno, kako ili hoće li AlphaFold pojednostaviti skupi i višefazni proces razvoja sigurnih novih lijekova.

Stvaranje novih proteina

Više od desetljeća prije nego što je DeepMind počeo raditi s AlphaFoldom, računalni biofizičar David Baker sa Sveučilišta Washington u Seattleu i njegovi kolege razvili su softverske alate za modeliranje proteinskih struktura temeljene na fizičkim principima pod nazivom Rosetta. Alat je imao rani uspjeh u dizajnu novih proteina.

Tijekom godina, Bakerov tim primijenio je Rosettu za predviđanje struktura proteina—bio je među najboljima na brojnim CASP prije nedavne dominacije AlphaFolda—kao i za dizajn novih proteina kao što su enzimi i proteinske nanočestice koje se same sastavljaju.

Kad je AlphaFold2 najavljen - ali još nije objavljen - Baker i njegov tim, uključujući računalnog kemičara Minkyunga Baeka, sada na Nacionalnom sveučilištu Seoul u Južnoj Koreji, krenuli su razumjeti softver i primijeniti neke od njegovih trikova na raniju verziju Rosette temeljenu na umjetnoj inteligenciji. Prva verzija dobivene mreže RoseTTAFold radila je gotovo jednako dobro kao AlphaFold2. Od 2021. godine njihovi programeri i drugi znanstvenici kontinuirano poboljšavaju obje mreže kako bi odgovorili na nove izazove, kao što je predviđanje strukture kompleksa koji se sastoje od nekoliko različitih proteina koji međusobno djeluju.

Posljednjih je godina Bakerov tim bio posebno produktivan u primjeni strojnog učenja na raison d'être njegovog laboratorija: za stvaranje novih proteina koji nikada nisu viđeni u prirodi. Nedavno razvijen alat Bakerovog tima koji kombinira RoseTTAFold s difuzijskim neuronskim mrežama koje generiraju sliku doveo je do kvantnog skoka u sposobnosti istraživača da dizajniraju proteine.

Iako računalni alati poput AlphaFolda nisu zamjena za eksperimentalne studije, oni su akcelerator, kažu znanstvenici. "Ovo će omogućiti novoj generaciji molekularnih biologa da postavljaju naprednija pitanja", rekao je sudac CASP-a Andrei Lupas, evolucijski biolog na Institutu Max Planck za razvojnu biologiju u Tübingenu, Njemačka. 2020 Prirodi.