16+
Суббота, 23 ноября 2024
  • BRENT $ 75.28 / ₽ 7722
  • RTS792.67
9 октября 2024, 18:16 ТехнологииНаука

Нобелевская премия по химии присуждена за изучение и прогнозирование структур белков

Лента новостей

Одному из лауреатов, биологу Дэвиду Бейкеру, удалось создать совершенно новые виды белков, а Демис Хассабис и Джон Джампер разработали модель искусственного интеллекта для предсказания сложных структур белков, что, в частности, поможет в разработке новых лекарств

Демис Хассабис и Джон Джампер.
Демис Хассабис и Джон Джампер. Фото: TT News Agency/Christine Olsson/Reuters

Нобелевскую премию по химии дали за изучение структуры белков. Награду получили американец Дэвид Бейкер и британцы Демис Хассабис и Джон Джампер.

В объяснении решения Нобелевского комитета сказано, что Дэвиду Бейкеру удалось создать «совершенно новые виды белков». А Демис Хассабис и Джон Джампер разработали модель искусственного интеллекта для предсказания сложных структур белков. Комитет считает, что у этих изобретений «огромный потенциал» — ученые буквально «взломали код удивительной структуры белков».

По словам доктора биологических наук и профессора Константина Северинова, ученые вели подобные исследования больше 50 лет:

— Если посмотреть на Нобелевские премии и по медицине, и по химии за последние 60 лет, то очень многие из них даны кристаллографам, это такие люди, которые определяют с помощью рентгеновского метода, рентгеноструктурного анализа структуры, трехмерные структуры белков. Белки — это продукты генов. Это очень трудоемкий процесс, в результате которого мы получаем картину того, как молекулы белка свернуты в трехмерном пространстве. И это важно знать, потому что белки работают именно за счет своих трехмерных форм, они немножко похожи на трансформеров из всяких голливудских фильмов. Три сегодняшних лауреата придумали с помощью методов машинного обучения и искусственного интеллекта способ, который позволяет на компьютере достоверно рассчитывать структуры белков или пересказывать структуры белков, которые еще пока что неизвестны. И это открывает совершенно новые возможности, но, правда, многих кристаллографов оставляет без работы.

— А можете несколько слов об этих ученых рассказать?

— Это просто две команды. Бейкер разработал предсказательную машину, скажем так, которая называется RoseTTAFold. Ребята из Google разработали программу, которая называется Alpha Fold2 которую используют сейчас по всему миру, хотя реально эти программы были сделаны буквально три года назад учеными для того, чтобы предсказать структуры. Бейкер — профессиональный биолог, два других, в общем, совершенно не биологи, что не помешало им сделать такой прорыв. С точки зрения пользователей, то есть биологов, открылись совершенно новые горизонты, потому что мы очень давно знаем геном человека, например, но мы знаем структуры лишь очень небольшого количества белков, которые кодируют геном человека, а теперь мы с достаточно большой долей уверенности представляем себя структуры всех белков, которые кодируются геномом человека или любым другим геномом, и это знание позволяет нам делать массу всяких вещей. Из того, что интересно большинству людей, разработка лекарств сейчас вышла на совершенно другой уровень, не потому, например, что мы найдем лекарство от рака, но искать лекарство от рака стало гораздо легче. Лекарство — это химическая молекула, которая должна взаимодействовать с каким-то белком и/или выключать его, или, наоборот, активировать, чтобы добиться желаемого результата. И молекулы лекарства должны взаимодействовать с трехмерной молекулой белка приблизительно как ключ с замком. Зная структуру мишени, структуру белка интереса, вы теперь можете с помощью химиков-органиков разрабатывать молекулы, которые почти что гарантированно будут с вашим белком взаимодействовать как ключ с замком, и некоторые из них могут стать действительно лекарствами, а некоторые нет.

Накануне Нобелевскую премию по физике присудили за открытия в области нейросетей и машинного обучения. Американский лауреат Джон Хопфилд создал ассоциативную нейронную сеть, которая может хранить и восстанавливать данные.

А британец Джеффри Хинтон изобрел метод, позволяющий самостоятельно находить свойства в данных.

Рекомендуем:

Фотоистории

Рекомендуем:

Фотоистории
BFM.ru на вашем мобильном
Посмотреть инструкцию