Нобелевская неделя продолжается! В среду, 9 октября, комитет премии объявил лауреатов этого года по химии. Ими стали американский биохимик Дэвид Бейкер, а также британцы Демис Хассабис и Джон М. Джампер, работающие в Google DeepMind. Награда нашла их за «вычислительный дизайн» и «предсказание структуры» белков. Что все это значит? И почему без результатов их работы невозможно представить современную разработку лекарств? Объясняем максимально коротко и понятно!
За что дали Нобелевскую премию по химии в этом году?
Лауреатами этого года стали трое ученых — американский исследователь Дэвид Бейкер и двое британцев Демис Хассабис и Джон М. Джампер. Все они занимались веществами, которые определяют функционирование всех организмов на Земле — белками. Все трое лауреатов внесли вклад в то, чтобы изучать структуру белков с помощью сложнейших компьютерных алгоритмов (в написании которых они сами принимали участие).
«Внедрение этой технологии позволяет уже сегодня искать новые лекарства и сильно экономить время и ресурсы во многих биологических и фармакологических исследованиях», — объясняет редакции Собака.ru профессор Екатерина Скорб, директор центра инфохимии Университета ИТМО.
Что именно сделали Бейкер, Джампер и Хассабис?
Дэвид Бейкер — американский биохимик. Его группа первой в мире смогла создать искусственный белок, который, как отмечает Нобелевский комитет «не был похож ни на один другой [ранее существовавший] протеин». Это вещество получило название Top7, его появление в 2003 году ознаменовало новую эру в биохимии — отныне человечество на основе данных компьютерного моделирования могло создавать протеины заданной структуры (а следовательно и свойств).
Уже через два года команда Бейкера создала алгоритм Rosetta@home, который направлен на предсказание трехмерной структуры белков. Благодаря этому, зная состав белка (то есть то, из каких белков он состоит), ученые могут составить трехмерную модель строения белка.
«До 2000-х годов таких возможностей не было, — объясняет Собака.ru Екатерина Скорб из Университета ИТМО. — Структуру белка выясняли экспериментальным образом, его выделяли, кристаллизовали, проводили анализ, что занимало очень большое время. Однако такие исследования позволили накопить огромный массив данных, который потом позволил обучить алгоритмы вроде Rosetta@home».
Два других лауреата — Демис Хассабис и Джон М. Джампер — работают в DeepMind. Эта компания была основана в 2010 году в Лондоне как независимый стартап в области искусственного интеллекта, а уже в 2014-м была выкуплена Google. Ими был создан алгоритм AlphaFold, который работает на базе машинного обучения и также предсказывает пространственную структуру белка по его составу.
Екатерина Скорб
Профессор, директор центра инфохимии Университета ИТМО:
Особенно интересно, что премию получили ребята из Google DeepMind. Это лишний раз показывает, что задачи по химии теперь могут решать и IT-специалисты. Нам лишний раз показали, что наступает эра слияния химии и информационных технологий, развитие инфохимии.
Почему это важно?
Поскольку белки определяют работу организмов, они могут представлять угрозу для организма, если что-то в его работе пошло не так. Некоторые белки (к примеру, выделяемые вирусами или бактериями) могут быть «мишенями» для препаратов. Наконец, протеины могут сами выступать в роли лекарства.
Именно поэтому биологам и фармацевтам важно знать, как именно строятся эти вещества, а не только из чего они состоят. «Тот факт, что теперь мы можем узнать структуру белка позволяет нам быстро реагировать на вызовы новых эпидемий и пандемий, — говорит Екатерина Скорб из Университета ИТМО. — Фактически с помощью нейросети вы можете создать цифровую модель заболевания».
Екатерина Скорб
Профессор, директор центра инфохимии Университета ИТМО:
Сегодня эти инструменты уже стали классическими, без них невозможно представить ни одно исследование в биохимии или медицине. Любое моделирование белка, проходит этап определения его структуры. Это позволяет вам искать вакцины, делать лекарства.
Что еще может быть сделано?
Как указывает в беседе с Собака.ru Екатерина Скорб, сейчас целью ученых, которые используют работы Бейкера, Джампера и Хассабиса является поиск инструментов не только для описания структуры белка, но для понимания того, как проходят те или иные биохимические процессы с его участием.
«Сейчас самый большая задача, — говорит она, — сделать так, чтобы мы могли смотреть за тем, что происходит с белком, структуру, которого мы определили, в динамике».
Кирилл Антонец
Ведущий научный сотрудник СПбГУ:
Использование современных методов искусственного интеллекта и глубокого машинного обучения позволили решить задачу в определении структуры отдельных белков (последовательности аминокислот) и приблизить по точности решение, которое получается в результате предсказания структуры, к тем результатам, которые ученые получали в ходе экспериментов. Это значительно экономит финансовые и временные ресурсы. Раньше подобные задачи можно было решить примерно за год, а сейчас с помощью ИИ они решаются в течение нескольких часов. Конечно, разработанные учеными методы не позволяют в полной мере заменить экспериментальные результаты, так как все результаты, которые мы получаем с помощью компьютерных программ, нуждаются в экспериментальном предсказании. Однако при всем этом, они сильно снижают стоимость и время исследований, а также ускоряют работу ученых. Для науки это открывает невероятные возможности, так как метод сегодня используется для многих фундаментальных исследований, в том числе для поиска новых лекарств. Понимание структуры белков важно для большого количества разделов биотехнологии и биомедицины: во многом для понимания процессов связанных с болезнями, решения биотехнологических задач по синтезу полезных веществ и пищевых добавок.
Комментарии (0)