Premiul din acest an s-a remarcat pentru că a onorat cercetarea care a apărut la o companie de tehnologie: DeepMind, un startup de cercetare AI care a fost achiziționat de Google în 2014 . Cele mai multe premii Nobel pentru chimie anterioare au fost acordate cercetătorilor din mediul academic. Mulți laureați au continuat să formeze companii startup pentru a-și extinde și comercializa în continuare munca lor inovatoare – de exemplu, tehnologia de editare a genelor CRISPR și puncte cuantice – dar cercetarea, de la început până la sfârșit, nu a fost făcută în sfera comercială.
Deși premiile Nobel pentru fizică și chimie sunt acordate separat, există o legătură fascinantă între cercetările câștigătoare în acele domenii în 2024. Premiul pentru fizică a fost acordat a doi informaticieni care au pus bazele învățării automate, în timp ce laureații la chimie au fost recompensați pentru utilizarea lor a învățării automate pentru a aborda unul dintre cele mai mari mistere ale biologiei: cum se pliază proteinele.
Premiile Nobel din 2024 subliniază atât importanța acestui tip de inteligență artificială, cât și modul în care știința de astăzi depășește adesea granițele tradiționale, combinând diferite domenii pentru a obține rezultate inovatoare.
Provocarea plierii proteinelor
Proteinele sunt mașinile moleculare ale vieții. Ele alcătuiesc o parte semnificativă a corpului nostru, inclusiv mușchi, enzime, hormoni, sânge, păr și cartilaj.
Înțelegerea structurilor proteinelor este esențială, deoarece formele acestora le determină funcțiile. În 1972, Christian Anfinsen a câștigat Premiul Nobel pentru chimie pentru că a arătat că secvența blocurilor de construcție a aminoacizilor unei proteine dictează forma proteinei, care, la rândul său, îi influențează funcția. Dacă o proteină se pliază incorect, este posibil să nu funcționeze corect și ar putea duce la boli precum Alzheimer, fibroză chistică sau diabet.
Forma generală a unei proteine depinde de interacțiunile minuscule, atracțiile și repulsiile dintre toți atomii din aminoacizii din care este format. Unii vor să fie împreună, alții nu. Proteina se răsucește și se pliază într-o formă finală bazată pe multe mii de aceste interacțiuni chimice.
Timp de zeci de ani, una dintre cele mai mari provocări ale biologiei a fost prezicerea formei unei proteine bazată exclusiv pe secvența sa de aminoacizi. Deși cercetătorii pot prezice acum forma, încă nu înțelegem cum se manevrează proteinele în formele lor specifice și minimizează repulsiile tuturor interacțiunilor interatomice în câteva microsecunde.
Pentru a înțelege cum funcționează proteinele și pentru a preveni plierea greșită, oamenii de știință aveau nevoie de o modalitate de a prezice modul în care proteinele se pliază, dar rezolvarea acestui puzzle nu a fost o sarcină ușoară.
În 2003, biochimistul de la Universitatea din Washington David Baker a scris Rosetta , un program de calculator pentru proiectarea proteinelor. Cu acesta, el a arătat că este posibil să se inverseze problema de pliere a proteinelor prin proiectarea unei forme de proteine și apoi prezicând secvența de aminoacizi necesară pentru a o crea.
A fost un salt fenomenal înainte, dar forma aleasă pentru calcul a fost simplă, iar calculele au fost complexe. A fost necesară o schimbare majoră de paradigmă pentru a proiecta în mod obișnuit proteine noi cu structurile dorite.
O nouă eră a învățării automate
Învățarea automată este un tip de IA (Inteligență artificială) în care computerele învață să rezolve probleme analizând cantități mari de date. A fost folosit în diferite domenii, de la joc și recunoașterea vorbirii până la vehicule autonome și cercetare științifică. Ideea din spatele învățării automate este de a folosi modele ascunse în date pentru a răspunde la întrebări complexe.
Această abordare a făcut un salt uriaș în 2010, când Demis Hassabis a co-fondat DeepMind, o companie care își propune să combine neuroștiința cu AI pentru a rezolva problemele din lumea reală.
Hassabis, un minune al șahului la vârsta de 4 ani, a făcut rapid titlul de afiș cu AlphaZero, un AI care a învățat singur să joace șah la un nivel supraomenesc. În 2017, AlphaZero a învins cel mai bun program de șah pe computer din lume, Stockfish-8. Capacitatea AI de a învăța din propriul joc, în loc să se bazeze pe strategii preprogramate, a marcat un punct de cotitură în lumea AI.
Curând după aceea, DeepMind a aplicat tehnici similare Go, un joc de masă străvechi, cunoscut pentru complexitatea sa imensă. În 2016, programul său AI AlphaGo l-a învins pe unul dintre cei mai buni jucători din lume, Lee Sedol, într-un meci urmărit pe scară largă care a uimit milioane de oameni.
În 2016, Hassabis a mutat atenția DeepMind către o nouă provocare: problema plierii proteinelor. Sub conducerea lui John Jumper, un chimist cu experiență în știința proteinelor, a început proiectul AlphaFold. Echipa a folosit o bază de date mare de structuri de proteine determinate experimental pentru a antrena IA, ceea ce i-a permis să învețe principiile plierii proteinelor. Rezultatul a fost AlphaFold2, un AI care ar putea prezice structura 3D a proteinelor din secvențele lor de aminoacizi cu o acuratețe remarcabilă.
Aceasta a fost o descoperire științifică semnificativă. AlphaFold a prezis de atunci structurile a peste 200 de milioane de proteine - în esență toate proteinele pe care oamenii de știință le-au secvențiat până în prezent. Această bază de date masivă de structuri de proteine este acum disponibilă gratuit, accelerând cercetarea în biologie, medicină și dezvoltarea medicamentelor.
Proteine de design pentru a lupta împotriva bolilor
Înțelegerea modului în care proteinele se pliază și funcționează este crucială pentru proiectarea de noi medicamente. Enzimele, un tip de proteină, acționează ca catalizatori în reacțiile biochimice și pot accelera sau regla aceste procese. Pentru a trata boli precum cancerul sau diabetul, cercetătorii vizează adesea enzime specifice implicate în căile bolii. Prevăzând forma unei proteine, oamenii de știință își pot da seama unde s-ar putea lega moleculele mici – potențiali candidați la medicamente – de aceasta, care este primul pas în proiectarea de noi medicamente .
În 2024, DeepMind a lansat AlphaFold3, o versiune îmbunătățită a programului AlphaFold care nu numai că prezice formele proteinelor, ci și identifică site-uri potențiale de legare pentru moleculele mici. Acest progres face mai ușor pentru cercetători să proiecteze medicamente care vizează exact proteinele potrivite.
Google a cumpărat Deepmind pentru aproximativ jumătate de miliard de dolari în 2014. Google DeepMind a început acum o nouă întreprindere, Isomorphic Labs, pentru a colabora cu companiile farmaceutice în dezvoltarea de medicamente în lumea reală, folosind aceste predicții AlphaFold3.
La rândul său, David Baker a continuat să aducă contribuții semnificative la știința proteinelor. Echipa sa de la Universitatea din Washington a dezvoltat o metodă bazată pe inteligență artificială numită „halucinație la nivel de familie”, pe care au folosit-o pentru a proiecta proteine complet noi de la zero. Halucinațiile sunt modele noi - în acest caz, proteine - care sunt plauzibile, ceea ce înseamnă că se potrivesc bine cu modelele din datele de antrenament ale AI. Aceste noi proteine includ o enzimă care emite lumină, demonstrând că învățarea automată poate ajuta la crearea de noi proteine sintetice. Aceste instrumente AI oferă noi modalități de a proiecta enzime funcționale și alte proteine care nu ar fi putut evolua niciodată în mod natural.
