Nobelprijs voor de Scheikunde voor ontwikkelaars van AlphaFold AI voor het voorspellen van eiwitstructuren

Nobelprijs voor de Scheikunde voor ontwikkelaars van AlphaFold AI voor het voorspellen van eiwitstructuren

Voor de eerste keer – en zeker niet de laatste – is een wetenschappelijke doorbraak mogelijk gemaakt door kunstmatige intelligentie bekroond met een Nobelprijs. De Nobelprijs voor de Scheikunde 2024 werd toegekend aan John Jumper en Demis Hassabis van Google DeepMind in Londen voor de ontwikkeling van een baanbrekend AI-tools voor het voorspellen van de eiwitstructuur, genaamd AlphaFold, en aan David Baker van de Universiteit van Washington in Seattle voor zijn werk de afgelopen jaren op het gebied van computationeel eiwitontwerp werd gerevolutioneerd door AI.

De effecten van AlphaFold, dat werd een paar jaar geleden onthuld, zijn ronduit transformatief. De tool heeft het voorspellen van eiwitstructuren – vaak, maar niet altijd, zeer nauwkeurig – met één druk op de knop toegankelijk gemaakt voor onderzoekers, waardoor experimenten mogelijk zijn die tien jaar geleden ondenkbaar waren. Biologen spreken nu van een tijdperk “vóór AlphaFold” en “na AlphaFold”.

"Het is lange tijd een droom geweest om de driedimensionale structuur van eiwitten te kunnen voorspellen op basis van hun aminozuursequenties. Dit werd tientallen jaren als onmogelijk beschouwd", zei Heiner Linke, voorzitter van het Nobelcomité en nanowetenschapper aan de Universiteit van Lund in Zweden, tijdens de aankondiging van de prijs. De winnaars van dit jaar "hebben de code gekraakt", voegde hij eraan toe. De drie winnaars delen een prijs van 11 miljoen Zweedse kroon (1 miljoen dollar).

Uitstekende AI

DeepMind introduceerde AlphaFold in 2018 toen het een tweejaarlijkse wedstrijd voor het voorspellen van de eiwitstructuur won, de Critical Assessment of Protein Structure Prediction (CASP). Maar het was de tweede versie van het diepe neurale netwerk, die eind 2020 werd gepresenteerd, wat een aardbeving in de levenswetenschappen veroorzaakte.

Veel van de voorspellingen van AlphaFold2 bij CASP waren zo nauwkeurig dat ze niet te onderscheiden waren van experimenteel bepaalde eiwitstructuren. Dit was voor John Moult, medeoprichter van CASP en computationeel bioloog aan de Universiteit van Maryland in College Park, aanleiding om 2020 declareren, dat “het probleem op een bepaalde manier is opgelost”.

Hassabis, mede-oprichter en CEO van DeepMind, en Jumper, leider van het AlphaFold-team, leidden de ontwikkeling van AlphaFold2. Om eiwitstructuren te voorspellen integreert het neurale netwerk vergelijkbare structuren uit databases die honderdduizenden experimenteel bepaalde structuren en miljoenen sequenties van verwante eiwitten bevatten – die informatie over hun vorm bevatten.

In 2021, DeepMind De onderliggende code van AlphaFold2 is gratis verkrijgbaar, samen met de gegevens die nodig zijn om het model te trainen. Een AlphaFold-database, opgesteld in samenwerking met het European Molecular Biology Laboratory en het European Bioinformatics Institute in Hinxton, VK, bevat nu de structuren van de meeste eiwitten van alle organismen die in genetische databases voorkomen: in totaal ongeveer 214 miljoen voorspellingen. Dit jaar introduceerde het bedrijf er een derde versie van AlphaFold dat ook andere moleculen kan modelleren die interageren met eiwitten, zoals medicijnen.

De revolutie die Jumper, Hassabis en hun collega's hebben ontketend bevindt zich nog in de beginfase, en de volledige impact van AlphaFold op de wetenschap is misschien pas over jaren bekend. Maar de tool helpt wetenschappers nu al om nieuwe inzichten te verwerven.

Een baanbrekend team gebruikte de tool, samen met experimentele gegevens, om nucleair poriëncomplex in kaart te brengen, een van de grootste machines in onze cellen die moleculen in en uit de celkern transporteert. Vorig jaar analyseerden twee teams de volledige AlphaFold-database om de diepste uithoeken van het eiwituniversum te ontdekken, waarbij ze nieuwe eiwitfamilies en -vouwen en verrassende verbindingen in de machinerie van het leven identificeerden.

Veel onderzoekers hopen dat AlphaFold en andere AI-tools die het heeft geïnspireerd de geneeskunde zullen transformeren. Maar dat is het wel nog steeds onduidelijk, hoe en of AlphaFold het kostbare en uit meerdere stappen bestaande proces van de ontwikkeling van veilige nieuwe medicijnen zal stroomlijnen.

Nieuwe eiwitten aanmaken

Ruim tien jaar voordat DeepMind met AlphaFold begon samen te werken, ontwikkelden computationeel biofysicus David Baker van de Universiteit van Washington in Seattle en zijn collega's softwaretools voor het modelleren van eiwitstructuren op basis van fysische principes, genaamd Rosetta. De tool had al vroeg succes bij het ontwerpen van nieuwe eiwitten.

In de loop der jaren heeft het team van Baker Rosetta toegepast om eiwitstructuren te voorspellen - het was een van de toppresteerders bij talloze CASP's vóór de recente dominantie van AlphaFold - en om nieuwe eiwitten te ontwerpen, zoals enzymen en zelfassemblerende eiwitnanodeeltjes.

Toen AlphaFold2 werd aangekondigd – maar nog niet uitgebracht – probeerden Baker en zijn team, waaronder computationeel chemicus Minkyung Baek, nu aan de Seoul National University in Zuid-Korea, de software te begrijpen en enkele trucs toe te passen op een eerdere op AI gebaseerde versie van Rosetta. De eerste versie van het resulterende RoseTTAFold-netwerk presteerde bijna net zo goed als AlphaFold2. Sinds 2021 zijn beide netwerken voortdurend verbeterd door hun ontwikkelaars en andere wetenschappers om nieuwe uitdagingen aan te pakken, zoals het voorspellen van de structuur van complexen die bestaan ​​uit verschillende op elkaar inwerkende eiwitten.

De afgelopen jaren is het team van Baker bijzonder productief geweest in het toepassen van machine learning op de bestaansreden van zijn laboratorium: om nieuwe eiwitten te creëren die nog nooit in de natuur zijn gezien. Een recent ontwikkeld hulpmiddel door het team van Baker dat RoseTTAFold combineert met beeldgenererende diffusie-neurale netwerken heeft geleid tot een enorme sprong voorwaarts in het vermogen van onderzoekers om eiwitten te ontwerpen.

Hoewel computationele hulpmiddelen zoals AlphaFold geen vervanging zijn voor experimentele studies, zijn ze wel een versneller, zeggen wetenschappers. "Dit zal een nieuwe generatie moleculair biologen in staat stellen meer geavanceerde vragen te stellen", zegt CASP-rechter Andrei Lupas, een evolutiebioloog aan het Max Planck Instituut voor Ontwikkelingsbiologie in Tübingen, Duitsland. 2020 naar de natuur.