Nobelova cena za chémiu pre vývojárov AlphaFold AI za predpovedanie proteínových štruktúr

Nobelova cena za chémiu pre vývojárov AlphaFold AI za predpovedanie proteínových štruktúr

Prvýkrát – a určite nie posledný – bol vedecký prelom, ktorý umožnila umelá inteligencia, ocenený Nobelovou cenou. Nobelovu cenu za chémiu za rok 2024 získali John Jumper a Demis Hassabis z Google DeepMind v Londýne za vývoj prelomového Nástroje AI na predpovedanie štruktúry proteínov s názvom AlphaFold a Davidovi Bakerovi z Washingtonskej univerzity v Seattli za prácu na dizajne výpočtových proteínov za posledných niekoľko rokov bol revolúciou AI.

Účinky AlphaFold, že bola odhalená pred niekoľkými rokmi, nie sú nič iné ako transformačné. Tento nástroj sprístupnil predpovedanie proteínových štruktúr – často, ale nie vždy, vysoko presné – pre výskumníkov stlačením jediného tlačidla, čo umožňuje experimenty, ktoré boli pred desiatimi rokmi nemysliteľné. Biológovia teraz hovoria o ére „pred AlphaFold“ a „po AlphaFold“.

"Dlho bolo snom byť schopný predpovedať trojrozmernú štruktúru proteínov na základe ich aminokyselinových sekvencií. To sa celé desaťročia považovalo za nemožné," povedal Heiner Linke, predseda Nobelovho výboru a nanovedec z univerzity v Lunde vo Švédsku pri vyhlásení ceny. Tohtoroční ocenení „prelomili kódex“, dodal. Traja víťazi si rozdelia odmenu 11 miliónov švédskych korún (1 milión USD).

Výborná AI

Spoločnosť DeepMind predstavila AlphaFold v roku 2018, keď vyhrala dvojročnú súťaž predpovedania proteínovej štruktúry, Critical Assessment of Protein Structure Prediction (CASP). Bola to však druhá verzia hlbokej neurónovej siete, ktorý bol predstavený koncom roka 2020, čo vyvolalo zemetrasenie v biologických vedách.

Mnohé z predpovedí AlphaFold2 na CASP boli tak presné, že boli na nerozoznanie od experimentálne určených proteínových štruktúr. To podnietilo Johna Moulta, spoluzakladateľa CASP a počítačového biológa na Marylandskej univerzite v College Parku, aby vyhlásiť v roku 2020, že „problém bol vyriešený určitým spôsobom“.

Hassabis, spoluzakladateľ a generálny riaditeľ spoločnosti DeepMind, a Jumper, vedúci tímu AlphaFold, viedli vývoj AlphaFold2. Na predpovedanie proteínových štruktúr neurónová sieť integruje podobné štruktúry z databáz obsahujúcich stovky tisíc experimentálne určených štruktúr a milióny sekvencií príbuzných proteínov – ktoré obsahujú informácie o ich tvaroch.

V roku 2021 DeepMind Základný kód AlphaFold2 je k dispozícii bezplatne, spolu s údajmi potrebnými na trénovanie modelu. Jeden Databáza AlphaFold, pripravený v spolupráci s Európskym laboratóriom molekulárnej biológie a Európskym bioinformatickým inštitútom v Hinxtone, Spojené kráľovstvo, teraz obsahuje štruktúry väčšiny proteínov zo všetkých organizmov zastúpených v genetických databázach: spolu asi 214 miliónov predpovedí. Tento rok spoločnosť jeden predstavila tretia verzia AlphaFold ktoré môžu tiež modelovať iné molekuly, ktoré interagujú s proteínmi, ako sú lieky.

Revolúcia, ktorú Jumper, Hassabis a ich kolegovia rozpútali, je stále v ranom štádiu a úplný vplyv AlphaFold na vedu nemusí byť známy roky. Tento nástroj však už pomáha vedcom získať nové poznatky.

Priekopnícky tím použil tento nástroj spolu s experimentálnymi údajmi komplex jadrových pórov mapovať, jeden z najväčších strojov v našich bunkách, ktorý transportuje molekuly dovnútra a von z bunkového jadra. Minulý rok dva tímy analyzovali celú databázu AlphaFold, aby objavili najhlbšie zákutia proteínového vesmíru, identifikovali nové proteínové rodiny a záhyby a prekvapivé spojenia v mechanizme života.

Mnohí výskumníci dúfajú, že AlphaFold a ďalšie nástroje AI, ktoré inšpiroval, zmenia medicínu. Avšak, je stále nejasné, ako alebo či vôbec, AlphaFold zefektívni nákladný a viackrokový proces vývoja bezpečných nových liekov.

Vytváranie nových bielkovín

Viac ako desať rokov predtým, ako DeepMind začal spolupracovať s AlphaFoldom, výpočtový biofyzik David Baker z Washingtonskej univerzity v Seattli a jeho kolegovia vyvinuli softvérové ​​nástroje na modelovanie proteínových štruktúr založených na fyzikálnych princípoch nazývaných Rosetta. Nástroj mal skorý úspech pri navrhovaní nových proteínov.

Bakerov tím v priebehu rokov aplikoval Rosettu na predpovedanie proteínových štruktúr – patrila medzi najlepších v mnohých CASP pred nedávnou dominanciou AlphaFold – ako aj na navrhovanie nových proteínov, ako sú enzýmy a samoskladajúce sa proteínové nanočastice.

Keď bol ohlásený AlphaFold2 – ale ešte nebol vydaný – Baker a jeho tím, vrátane počítačového chemika Minkyunga Baeka, teraz na Soulskej národnej univerzite v Južnej Kórei, sa rozhodli pochopiť softvér a použiť niektoré z jeho trikov na staršiu verziu Rosetta založenú na AI. Prvá verzia výslednej siete RoseTTAFold fungovala takmer rovnako dobre ako AlphaFold2. Od roku 2021 obe siete neustále zdokonaľovali ich vývojári a ďalší vedci, aby riešili nové výzvy, ako je predpovedanie štruktúry komplexov tvorených niekoľkými rôznymi interagujúcimi proteínmi.

V posledných rokoch bol Bakerov tím obzvlášť produktívny pri aplikovaní strojového učenia na raison d'être jeho laboratória: vytvoriť nové bielkoviny, ktoré v prírode nikdy nevideli. Nedávno vyvinutý nástroj Bakerovým tímom, ktorý kombinuje RoseTTAFold s difúznymi neurónovými sieťami vytvárajúcimi obraz, viedol ku kvantovému skoku v schopnosti výskumníkov navrhovať proteíny.

Hoci výpočtové nástroje ako AlphaFold nie sú náhradou za experimentálne štúdie, sú podľa vedcov urýchľovačom. "To umožní novej generácii molekulárnych biológov klásť pokročilejšie otázky," povedal sudca CASP Andrei Lupas, evolučný biológ z Inštitútu Maxa Plancka pre vývojovú biológiu v Tübingene v Nemecku. 2020 do prírody.