Nobelio chemijos premija AlphaFold AI kūrėjams už baltymų struktūrų numatymą

Nobelio chemijos premija AlphaFold AI kūrėjams už baltymų struktūrų numatymą

Pirmą kartą – ir tikrai ne paskutinį – mokslinis proveržis, įgalintas dirbtinio intelekto, buvo apdovanotas Nobelio premija. 2024 m. Nobelio chemijos premija buvo įteikta Johnui Jumperiui ir Demisui Hassabiui iš Google DeepMind Londone už novatoriško dizaino kūrimą. AI įrankiai baltymų struktūros numatymui, vadinami AlphaFold ir Davidui Bakeriui iš Vašingtono universiteto Sietle už pastarųjų kelerių metų darbą skaičiuojant baltymų projektavimą. revoliuciją sukėlė AI.

AlphaFold poveikis, kad buvo atskleista prieš keletą metų, yra tiesiog transformuojantys. Įrankis leido tyrėjams vienu mygtuko paspaudimu pasiekti nuspėjančias baltymų struktūras (dažnai, bet ne visada labai tikslias), todėl prieš dešimtmetį buvo neįsivaizduojami eksperimentai. Biologai dabar kalba apie erą „prieš AlphaFold“ ir „po AlphaFold“.

"Jau seniai svajojome, kad pagal jų aminorūgščių sekas būtų galima numatyti trijų matmenų baltymų struktūrą. Tai buvo laikoma neįmanoma dešimtmečius", - sakė Nobelio komiteto pirmininkas ir Švedijos Lundo universiteto nanomokslininkas Heiner Linke. Šių metų apdovanotieji „nulaužė kodą“, pridūrė jis. Trys nugalėtojai pasidalins 11 milijonų Švedijos kronų (1 milijono JAV dolerių) prizą.

Puikus AI

„DeepMind“ pristatė „AlphaFold“ 2018 m., kai laimėjo kas dvejus metus rengiamą baltymų struktūros prognozavimo konkursą „Critical Assessment of Protein Structure Prediction“ (CASP). Bet tai buvo antroji giliojo neuroninio tinklo versija, kuris buvo pristatytas 2020 m. pabaigoje, kuris sukėlė žemės drebėjimą gyvosios gamtos moksluose.

Daugelis AlphaFold2 prognozių CASP buvo tokios tikslios, kad jų nebuvo galima atskirti nuo eksperimentiškai nustatytų baltymų struktūrų. Tai paskatino Johną Moultą, CASP įkūrėją ir skaičiavimo biologą iš Merilendo universiteto Koledžo parke, deklaruoti 2020 m, kad „problema tam tikru būdu buvo išspręsta“.

Hassabis, vienas iš DeepMind įkūrėjų ir generalinis direktorius, ir Jumper, AlphaFold komandos vadovas, vadovavo AlphaFold2 kūrimui. Norėdami prognozuoti baltymų struktūras, neuronų tinklas integruoja panašias struktūras iš duomenų bazių, kuriose yra šimtai tūkstančių eksperimentiškai nustatytų struktūrų ir milijonai susijusių baltymų sekų, kuriose yra informacijos apie jų formas.

2021 m. „DeepMind“. Pagrindinis AlphaFold2 kodas yra prieinamas nemokamai, kartu su duomenimis, reikalingais modeliui išmokyti. Vienas AlphaFold duomenų bazė, parengtas bendradarbiaujant su Europos molekulinės biologijos laboratorija ir Europos bioinformatikos institutu Hinkstone, JK, dabar yra daugumos baltymų iš visų organizmų, pateiktų genetinėse duomenų bazėse, struktūros: iš viso apie 214 milijonų prognozių. Šiais metais bendrovė pristatė vieną trečioji AlphaFold versija kuris taip pat gali modeliuoti kitas molekules, kurios sąveikauja su baltymais, pvz., vaistus.

Revoliucija, kurią išleido Jumperis, Hassabis ir jų kolegos, vis dar yra ankstyvoje stadijoje, o visas AlphaFold poveikis mokslui gali būti nežinomas daugelį metų. Tačiau įrankis jau padeda mokslininkams įgyti naujų įžvalgų.

Novatoriška komanda naudojo įrankį kartu su eksperimentiniais duomenimis branduolinių porų kompleksas žemėlapiui, viena didžiausių mūsų ląstelių mašinų, transportuojančių molekules į ląstelės branduolį ir iš jo. Praėjusiais metais dvi komandos išanalizavo visą AlphaFold duomenų bazę, siekdamos atrasti giliausius baltymų visatos kampelius, identifikuoti naujas baltymų šeimas ir raukšles bei stebėtinus ryšius gyvybės mechanizmuose.

Daugelis tyrinėtojų tikisi, kad AlphaFold ir kiti jos įkvėpti dirbtinio intelekto įrankiai pakeis mediciną. Tačiau yra vis dar neaišku, kaip ir ar AlphaFold supaprastins brangų ir daugiapakopį saugių naujų vaistų kūrimo procesą.

Naujų baltymų kūrimas

Daugiau nei dešimtmetį prieš DeepMind pradedant dirbti su AlphaFold, skaičiavimo biofizikas Davidas Bakeris iš Vašingtono universiteto Sietle ir jo kolegos sukūrė programinės įrangos įrankius baltymų struktūroms modeliuoti remiantis fiziniais principais, vadinamais Rosetta. Įrankis sulaukė ankstyvos sėkmės kuriant naujus baltymus.

Bėgant metams Bakerio komanda taikė Rosetta norėdama nuspėti baltymų struktūras – ji buvo viena iš geriausių daugelio CASP dalyvių prieš AlphaFold pastarąjį dominavimą – taip pat kurti naujus baltymus, tokius kaip fermentai ir savaime besirenkančios baltymų nanodalelės.

Kai buvo paskelbtas AlphaFold2, bet dar neišleistas, Bakeris ir jo komanda, įskaitant skaičiavimo chemiką Minkyungą Baeką, dabar dirbantį Seulo nacionaliniame universitete Pietų Korėjoje, nusprendė suprasti programinę įrangą ir pritaikyti kai kurias jos gudrybes ankstesnei AI pagrįsta Rosetta versijai. Pirmoji gauto RoseTTAFold tinklo versija veikė beveik taip pat, kaip AlphaFold2. Nuo 2021 m. abu tinklus nuolat tobulino jų kūrėjai ir kiti mokslininkai, siekdami išspręsti naujus iššūkius, pavyzdžiui, numatyti kompleksų, sudarytų iš kelių skirtingų sąveikaujančių baltymų, struktūrą.

Pastaraisiais metais Bakerio komanda buvo ypač produktyvi, taikydama mašininį mokymąsi savo laboratorijos raison d'être: sukurti naujus baltymus, kurių niekada nebuvo gamtoje. Neseniai Bakerio komandos sukurtas įrankis, sujungiantis RoseTTAFold su vaizdą generuojančiais difuzijos neuroniniais tinklais, paskatino mokslininkų gebėjimą kurti baltymus.

Nors skaičiavimo įrankiai, tokie kaip AlphaFold, nepakeičia eksperimentinių tyrimų, jie yra greitintuvas, teigia mokslininkai. „Tai leis naujos kartos molekuliniams biologams užduoti sudėtingesnius klausimus“, – sakė CASP teisėjas Andrejus Lupas, Maxo Plancko vystymosi biologijos instituto Tiubingene, Vokietijoje, evoliucijos biologas. 2020 į gamtą.