Premiul Nobel pentru Chimie pentru dezvoltatorii AlphaFold AI pentru predicția structurilor proteinelor

Premiul Nobel pentru Chimie pentru dezvoltatorii AlphaFold AI pentru predicția structurilor proteinelor

Pentru prima dată – și cu siguranță nu ultima – o descoperire științifică posibilă de inteligența artificială a primit un premiu Nobel. Premiul Nobel pentru Chimie 2024 a fost acordat lui John Jumper și Demis Hassabis de la Google DeepMind din Londra pentru dezvoltarea unui sistem inovator. Instrumente AI pentru predicția structurii proteinelor numite AlphaFold, și lui David Baker de la Universitatea din Washington din Seattle pentru munca sa în proiectarea proteinelor computaționale din ultimii câțiva ani a fost revoluționat de AI.

Efectele AlphaFold, că a fost dezvăluit cu câțiva ani în urmă, sunt nimic mai puțin transformatoare. Instrumentul a făcut ca predicția structurilor proteinelor – adesea, dar nu întotdeauna, foarte precisă – să fie accesibilă cercetătorilor prin atingerea unui buton, permițând experimente care erau de neconceput cu un deceniu în urmă. Biologii vorbesc acum despre o eră „înainte de AlphaFold” și „după AlphaFold”.

"A fost mult timp un vis să putem prezice structura tridimensională a proteinelor pe baza secvențelor lor de aminoacizi. Acest lucru a fost considerat imposibil timp de zeci de ani", a declarat Heiner Linke, președintele Comitetului Nobel și om de știință la Universitatea Lund din Suedia, în timpul anunțului de atribuire. Omagiații din acest an „au spart codul”, a adăugat el. Cei trei câștigători vor împărți un premiu de 11 milioane de coroane suedeze (1 milion USD).

Excelent AI

DeepMind a introdus AlphaFold în 2018, când a câștigat o competiție bienală de predicție a structurii proteinelor, Critical Assessment of Protein Structure Prediction (CASP). Dar a fost a doua versiune a rețelei neuronale profunde, care a fost prezentat la sfârșitul anului 2020, care a declanșat un cutremur în științele vieții.

Multe dintre predicțiile lui AlphaFold2 la CASP au fost atât de precise încât nu se pot distinge de structurile proteinelor determinate experimental. Acest lucru l-a determinat pe John Moult, cofondatorul CASP și biolog computațional la Universitatea din Maryland din College Park, să să declare în 2020, că „problema a fost rezolvată într-un anumit fel”.

Hassabis, co-fondator și CEO al DeepMind, și Jumper, liderul echipei AlphaFold, au condus dezvoltarea AlphaFold2. Pentru a prezice structurile proteinelor, rețeaua neuronală integrează structuri similare din baze de date care conțin sute de mii de structuri determinate experimental și milioane de secvențe de proteine ​​înrudite - care conțin informații despre formele lor.

În 2021, DeepMind Codul de bază al AlphaFold2 este disponibil gratuit, împreună cu datele necesare antrenării modelului. Unul Baza de date AlphaFold, pregătit în colaborare cu Laboratorul European de Biologie Moleculară și Institutul European de Bioinformatică din Hinxton, Marea Britanie, conține acum structurile majorității proteinelor din toate organismele reprezentate în bazele de date genetice: un total de aproximativ 214 milioane de predicții. Anul acesta compania a introdus unul a treia versiune a AlphaFold care poate modela și alte molecule care interacționează cu proteinele, cum ar fi medicamentele.

Revoluția pe care Jumper, Hassabis și colegii lor au declanșat-o este încă în stadii incipiente, iar impactul total al AlphaFold asupra științei poate să nu fie cunoscut de ani de zile. Dar instrumentul îi ajută deja pe oamenii de știință să obțină noi perspective.

O echipă de pionierat a folosit instrumentul, împreună cu datele experimentale, pentru a complex de pori nucleari pentru a mapa, una dintre cele mai mari mașini din celulele noastre care transportă molecule în și din nucleul celulei. Anul trecut, două echipe au analizat întreaga bază de date AlphaFold pentru a descoperi cele mai adânci colțuri ale universului proteic, identificând noi familii și pliuri de proteine ​​și conexiuni surprinzătoare în mașinile vieții.

Mulți cercetători speră că AlphaFold și alte instrumente AI pe care le-a inspirat vor transforma medicina. Cu toate acestea, este încă neclar, cum sau dacă AlphaFold va eficientiza procesul costisitor și în mai multe etape de dezvoltare a unor noi medicamente sigure.

Crearea de noi proteine

Cu mai mult de un deceniu înainte ca DeepMind să înceapă să lucreze cu AlphaFold, biofizicianul computațional David Baker de la Universitatea Washington din Seattle și colegii săi au dezvoltat instrumente software pentru modelarea structurilor proteinelor bazate pe principii fizice numite Rosetta. Instrumentul a avut succes timpuriu în proiectarea de noi proteine.

De-a lungul anilor, echipa lui Baker a aplicat Rosetta pentru a prezice structurile proteinelor - a fost printre cei mai performanti la numeroase CASP-uri înainte de dominația recentă a AlphaFold - precum și pentru a proiecta proteine ​​noi, cum ar fi enzimele și nanoparticulele de proteine ​​cu auto-asamblare.

Când AlphaFold2 a fost anunțat – dar nu a fost încă lansat – Baker și echipa sa, inclusiv chimistul de calcul Minkyung Baek, acum la Universitatea Națională Seoul din Coreea de Sud, și-au propus să înțeleagă software-ul și să aplice unele dintre trucurile sale unei versiuni anterioare a Rosetta bazate pe AI. Prima versiune a rețelei RoseTTAFold rezultată a funcționat aproape la fel de bine ca AlphaFold2. Din 2021, ambele rețele au fost îmbunătățite continuu de dezvoltatorii lor și de alți oameni de știință pentru a aborda noile provocări, cum ar fi prezicerea structurii complexelor formate din mai multe proteine ​​diferite care interacționează.

În ultimii ani, echipa lui Baker a fost deosebit de productivă în aplicarea învățării automate la rațiunea de a fi a laboratorului său: pentru a crea noi proteine ​​care nu au fost niciodată văzute în natură. Un instrument dezvoltat recent de echipa lui Baker care combină RoseTTAFold cu rețele neuronale de difuzie care generează imagini a condus la un salt cuantic în capacitatea cercetătorilor de a proiecta proteine.

Deși instrumentele de calcul precum AlphaFold nu sunt un înlocuitor pentru studiile experimentale, ele sunt un accelerator, spun oamenii de știință. „Acest lucru va permite unei noi generații de biologi moleculari să pună întrebări mai avansate”, a declarat judecătorul CASP Andrei Lupas, biolog evoluționist la Institutul Max Planck pentru Biologie a Dezvoltării din Tübingen, Germania. 2020 către Natură.