Подпишитесь на наши ежедневные и еженедельные информационные бюллетени, чтобы получать последние обновления и эксклюзивный контент о ведущих в отрасли технологиях искусственного интеллекта. Узнать больше
Трио ученых, в том числе Демис Хассабис, соучредитель и генеральный директор подразделения искусственного интеллекта Google DeepMind, а также Джон Джампер, старший научный сотрудник Google DeepMind, и Дэвид Бейкер из Вашингтонского университета, были удостоены Нобелевской премии по химии 2024 года за их новаторская работа по предсказанию и разработке новых белков.
Компания DeepMinders выиграла за AlphaFold 2, систему искусственного интеллекта, способную предсказывать трехмерную структуру белков на основе их аминокислотных последовательностей. Между тем, согласно заявлению Нобелевского комитета, Бейкер получил награду за руководство лабораторией, в которой 20 аминокислот, образующих белки, использовались для разработки новых, в том числе белков для «фармацевтических препаратов, вакцин, наноматериалов и крошечных сенсоров».
Эта награда подчеркивает, как искусственный интеллект совершает революцию в биологической науке, и приходит всего через день после того, как я считаю, что это первая Нобелевская премия, присужденная технологии искусственного интеллекта, а именно награда по физике коллеге из Google DeepMinder Джеффри Хинтону и профессору Принстона Джону Дж. Хопфилду. за работу в области искусственных нейронных сетей.
Шведская королевская академия наук объявила о премии, как и в случае с премией по физике, стоимостью 11 миллионов шведских крон (около 1 миллиона долларов США), разделенной между лауреатами: половина достается Бейкеру, а другая половина снова разделится на четверти лауреатов. всего Хассабису и Джамперу.
Комитет подчеркнул беспрецедентное влияние AlphaFold, назвав его прорывом, который решил 50-летнюю проблему в биологии: предсказание структуры белка или то, как предсказать трехмерную структуру белка по его аминокислотной последовательности.
На протяжении десятилетий ученые знали, что функция белка определяется его трехмерной формой, но предсказать, как цепочка аминокислот принимает такую форму, было невероятно сложно. Исследователи пытались решить эту проблему с 1970-х годов, но из-за огромного количества возможных конфигураций складывания (известных как парадокс Левинталя) точные предсказания оставались неуловимыми.
AlphaFold, разработанная Google DeepMind, совершила прорыв, используя искусственный интеллект для прогнозирования трехмерных структур белков с точностью, близкой к экспериментальной. Это означает, что прогнозы, сделанные AlphaFold для трехмерной структуры белка, настолько близки к результатам, полученным с помощью традиционных экспериментальных методов — подобно рентгеновской кристаллографии, криоэлектронной микроскопии или спектроскопии ядерного магнитного резонанса (ЯМР), — они почти неотличимы.
Когда AlphaFold достигла «почти экспериментальной точности», она смогла предсказать белковые структуры с уровнем точности, не уступающим этим методам, обычно с погрешностью около 1 ангстрема (0,1 нанометра) для большинства белков. Это означает, что предсказания модели точно соответствуют реальным структурам, определенным экспериментальным путем, что делает ее преобразующим инструментом для биологов.
Работа Хассабиса и Джампера, разработанная в лондонской лаборатории DeepMind, изменила области структурной биологии и открытия лекарств, предложив мощный инструмент ученым во всем мире.
«AlphaFold уже использовался более чем двумя миллионами исследователей для продвижения важной работы, от разработки ферментов до открытия лекарств», — говорится в заявлении Хассабиса. «Я надеюсь, что мы вспомним AlphaFold как первое доказательство невероятного потенциала ИИ для ускорения научных открытий».
Глобальное влияние AlphaFold
Прогнозы AlphaFold находятся в свободном доступе через базу данных структуры белков AlphaFold, что делает ее одним из наиболее важных доступных научных инструментов с открытым доступом. Более двух миллионов исследователей из 190 стран использовали этот инструмент, демократизируя доступ к передовому искусственному интеллекту и обеспечив прорывы в таких различных областях, как молекулярная биология, разработка лекарств и даже наука о климате.
Предсказывая трехмерную структуру белков за считанные минуты — задачи, на которые раньше уходили годы, — AlphaFold ускоряет научный прогресс. Система использовалась для борьбы с устойчивостью к антибиотикам, разработки ферментов, разлагающих пластик, а также для помощи в разработке вакцин, что свидетельствует о ее полезности как для здравоохранения, так и для устойчивого развития.
Джон Джампер, соруководитель разработки AlphaFold, размышлял о его значении, заявляя: «Для нас большая честь получить признание за выполнение давнего обещания вычислительной биологии помочь нам понять мир белков и предоставить информацию о невероятной работе биологов-экспериментаторов. » Он подчеркнул, что AlphaFold — это инструмент для открытий, помогающий ученым понимать болезни и разрабатывать новые методы лечения беспрецедентными темпами.
Истоки AlphaFold
Корни AlphaFold уходят корнями в более широкое исследование искусственного интеллекта DeepMind.
Хассабис, шахматный вундеркинд, начал свою карьеру в 1994 году в возрасте 17 лет, участвуя в разработке популярной видеоигры. Тематический парккоторый был выпущен 15 июня того же года.
После изучения информатики в Кембриджском университете и получения докторской степени в области когнитивной нейробиологии в 2010 году он стал соучредителем DeepMind, используя свое понимание шахмат для привлечения финансирования от знаменитого противоположного венчурного капиталиста Питера Тиля. Компания, специализирующаяся на искусственном интеллекте, была приобретена Google в 2014 году примерно за 500 миллионов долларов США.
Будучи генеральным директором Google DeepMind, Хассабис совершил прорыв в области искусственного интеллекта, в том числе создал системы, которые превосходно справляются с такими играми, как го и шахматы.
К 2016 году DeepMind добилась мирового признания за разработку систем искусственного интеллекта, которые могли бы освоить древнюю игру го, победив чемпионов мира. Именно этот опыт в области искусственного интеллекта DeepMind начал применять в науке, стремясь решить более значимые задачи, включая сворачивание белков.
Проект AlphaFold официально стартовал в 2018 году и принял участие в конкурсе «Критическая оценка прогнозирования структуры белка» (CASP) — глобальной задаче по прогнозированию структур белка, проводимой два раза в год. В том же году AlphaFold выиграла соревнование, превзойдя другие команды и открыв новую эру в структурной биологии. Но настоящий прорыв произошел в 2020 году, когда был представлен AlphaFold2, решивший многие из самых сложных проблем сворачивания белков с точностью, ранее считавшейся недостижимой.
Успех AlphaFold 2 стал кульминацией многолетних исследований нейронных сетей и машинного обучения — областей, в которых DeepMind стала мировым лидером.
Система обучена на обширных наборах данных об известных белковых структурах и аминокислотных последовательностях, что позволяет ей обобщать прогнозы для белков, с которыми она никогда не сталкивалась — подвиг, который ранее был невообразим.
Ранее в этом году Google DeepMind и Isomorphic Labs представили AlphaFold 3, третье поколение модели, которая, по словам создателей, использует улучшенную версию модуля Evoformer, архитектуры глубокого обучения, которая была ключом к выдающейся производительности AlphaFold 2.
Новая модель также включает в себя диффузионную сеть, аналогичную той, что используется в генераторах изображений искусственного интеллекта, которая итеративно уточняет предсказанные молекулярные структуры от облака атомов до высокоточной окончательной конфигурации.
Вклад Дэвида Бейкера в дизайн белков
В то время как Хассабис и Джампер решали проблему прогнозирования, работа Дэвида Бейкера снова Дизайн белков предлагает столь же преобразующий подход: создание совершенно новых белков, не существующих в природе.
Лаборатория Бейкера, базирующаяся в Институте белкового дизайна Вашингтонского университета, разработала Розеттавычислительный инструмент, используемый для создания синтетических белков.
Работа Бейкера привела к разработке белков, которые можно использовать для создания новых терапевтических средств, включая специально разработанные ферменты и вирусоподобные частицы, которые могут служить вакцинами. Его группа даже разработала белки для обнаружения фентанила, опиоида, находящегося в центре глобального кризиса здравоохранения.
Разрабатывая новые белки с нуля, исследование Бейкера расширяет границы того, на что способны белки, дополняя предсказательную силу AlphaFold, позволяя создавать молекулы, адаптированные к конкретным функциям.
Будущее искусственного интеллекта в науке
Признание Нобелевской премией работы AlphaFold и Бейкера подчеркивает более широкую тенденцию: ИИ быстро становится незаменимым инструментом в научных исследованиях. Успех AlphaFold вызвал новый интерес к потенциалу ИИ для решения сложных проблем в различных областях, включая изменение климата, сельское хозяйство и материаловедение.
Нобелевский комитет подчеркнул преобразующий потенциал этих открытий, подчеркнув, что они «открывают огромные возможности» для будущего биологии и химии. Хассабис уже давно говорит о потенциале ИИ для стимулирования инноваций, но он также ясно понимает риски. «ИИ имеет потенциал для ускорения научных открытий с такой скоростью, которую мы никогда раньше не видели, но очень важно, чтобы мы использовали его ответственно», — сказал он в недавнем интервью.
Поскольку системы искусственного интеллекта, такие как AlphaFold, продолжают развиваться, их способность моделировать биологические процессы и прогнозировать результаты может революционизировать здравоохранение, усилия по устойчивому развитию и многое другое. Нобелевская премия Джампера и Хассабиса является признанием огромного влияния их работы, но она также сигнализирует о начале новой эры в науке, когда ИИ играет центральную роль в раскрытии тайн жизни.
Что дальше?
Нобелевская премия по химии 2024 года признает глубокий вклад Демиса Хассабиса, Джона Джампера и Дэвида Бейкера, чьи новаторские работы изменили ландшафт науки о белках. AlphaFold, ставший теперь краеугольным инструментом для исследователей во всем мире, ускорил открытия способами, ранее невообразимыми.
Работа Дэвида Бейкера в области компьютерного дизайна белков еще больше расширяет возможности биологических инноваций, предлагая новые решения глобальных проблем.
В совокупности эти достижения знаменуют начало новой эры искусственного интеллекта в науке, в которой возможности только начинают раскрываться (каламбур).
Хотя он сохраняет оптимизм в отношении положительного воздействия ИИ, Хассабис предупреждает, что к рискам, включая возможность возникновения катастроф социального масштаба, следует относиться так же серьезно, как и к климатическому кризису.