По мере того, как я глубже погружаюсь в увлекательный мир искусственного интеллекта (ИИ), я постоянно поражаюсь его потенциалу совершить революцию в различных областях, особенно в биологии и медицине. Путешествие Демиса Хассабиса, Джона Джампера, Дэвида Бейкера и их новаторская работа в DeepMind была просто впечатляющей.
Как геймер, я очень рад признанию, которое Демис Хассабис, Джон Джампер и Дэвид Бейкер получили в 2024 году за свои новаторские работы в области химии. Они использовали машинное обучение, чтобы решить одну из самых сложных загадок биологии — предсказать трехмерную структуру белков и спроектировать их с самого начала! Это похоже на освоение сложного уровня видеоигры, но с реальными последствиями для науки и медицины.
Награда 2021 года была особенно примечательной, поскольку она признавала исследования, проведенные технологической компанией, в частности DeepMind, стартапом по исследованиям в области искусственного интеллекта, купленным Google еще в 2014 году. Как правило, Нобелевские премии по химии присуждаются ученым, связанным с академическими кругами. Однако многие получатели впоследствии основали стартапы для расширения и монетизации своей новаторской работы, такой как технология редактирования генов CRISPR и квантовые точки. Однако само исследование проводилось в академическом, а не коммерческом контексте.
Хотя Нобелевские премии по физике и химии присуждаются отдельно, существует интересная связь между исследованиями, выигравшими в этих областях в 2024 году. Премия по физике досталась двум ученым-компьютерщикам, которые заложили основы машинного обучения, а лауреаты по химии были награждены за они использовали машинное обучение для решения одной из величайших загадок биологии: как сворачиваются белки.
Нобелевские премии 2024 года подчеркивают не только значимость передового искусственного интеллекта, но и современную тенденцию выхода науки за рамки обычных ограничений, поскольку она часто объединяет различные дисциплины для достижения выдающихся прорывов.
Проблема сворачивания белка
Сложный механизм жизни состоит в основном из белков. Эти важные строительные блоки можно найти в различных частях нашего тела, таких как мышцы, ферменты, гормоны, кровь, волосы и хрящи.
Понимание белковых структур имеет решающее значение, поскольку их формы определяют их роль. Еще в 1972 году Кристиан Анфинсен получил Нобелевскую премию по химии за демонстрацию того, что расположение аминокислотных единиц белка определяет его форму, что впоследствии влияет на его функцию. Если белок не складывается правильно, он может работать не оптимально и потенциально может вызвать такие заболевания, как болезнь Альцгеймера, муковисцидоз или диабет.
На полную структуру белка влияют крошечные силы притяжения и отталкивания между всеми составляющими его атомами, которые присутствуют в аминокислотах, из которых он состоит. Некоторые атомы имеют тенденцию группироваться вместе, тогда как другие предпочитают держаться на расстоянии. Белок принимает окончательную форму благодаря бесчисленным химическим взаимодействиям.
В течение долгого времени одной из самых интригующих загадок биологии было выяснение структуры белка исключительно на основе его последовательности аминокислот. Сегодня мы можем предсказать его структуру, но остается загадкой, как эти белки быстро приспосабливаются к своим точным формам и умудряются минимизировать конфликты между всеми межатомными взаимодействиями всего за несколько микросекунд.
Ученые искали метод, позволяющий предсказать закономерности сворачивания белков и предотвратить неправильное сворачивание, поскольку разгадать эту сложную загадку, связанную с белками, оказалось довольно сложно.
В 2003 году Дэвид Бейкер, биохимик из Вашингтонского университета, разработал Rosetta — компьютерное программное обеспечение, предназначенное для создания белков. Используя этот инструмент, он продемонстрировал, что давнюю проблему сворачивания белка можно решить наоборот: определив желаемую форму белка и впоследствии предсказав соответствующую последовательность аминокислот для его производства.
Как энтузиаст, я должен сказать, что это был замечательный скачок, однако форма вычислений была выбрана простой, тогда как сами вычисления были сложными. Чтобы регулярно создавать собственные белки со специфическими структурами, необходимо было существенно изменить точку зрения – фундаментальный сдвиг в парадигме.
Новая эра машинного обучения
Машинное обучение представляет собой форму искусственного интеллекта, которая позволяет компьютерам учиться и решать проблемы, изучая огромные наборы данных. Эта технология использовалась во многих областях, таких как игры, распознавание речи, беспилотные автомобили и научные исследования. Фундаментальная концепция заключается в выявлении основных закономерностей в данных для решения сложных запросов.
В 2010 году этот метод сделал значительный шаг вперед, поскольку Демис Хассабис вместе с другими основал DeepMind, фирму, занимающуюся преодолением разрыва между нейробиологией и искусственным интеллектом для решения практических задач.
4-летний Хассабис прославился своими исключительными навыками игры в шахматы. Позже он разработал AlphaZero, ИИ, который необычайно хорошо научился играть в шахматы без помощи человека. В 2017 году AlphaZero превзошла Stockfish-8, ведущую в то время в мире компьютерную шахматную программу. Замечательная способность AlphaZero учиться на собственных играх вместо того, чтобы полагаться на уже существующие стратегии, стала важной вехой в области искусственного интеллекта.
Вскоре после этого DeepMind применила аналогичные стратегии для Го, сложной древней настольной игры. В 2016 году их система искусственного интеллекта AlphaGo одержала победу над одним из ведущих мировых игроков в го Ли Седолем в долгожданном соревновании, которое поразило бесчисленное количество зрителей.
В 2016 году Хассабис направил DeepMind к новому начинанию: решению загадки сворачивания белка. Проект AlphaFold был инициирован Джоном Джампером, химиком, специализирующимся на науке о белках. Команда использовала обширную базу данных экспериментально подтвержденных белковых структур для обучения ИИ, что позволило ему понять основы сворачивания белков. Это привело к созданию AlphaFold2, искусственного интеллекта, способного с исключительной точностью предсказывать трехмерную структуру белков на основе их аминокислотных последовательностей.
Как заядлый приверженец научных достижений, позвольте мне поделиться своим восторгом по поводу AlphaFold! С тех пор этот новаторский инструмент предсказал структуры более чем 200 миллионов белков — это почти каждый белок, секвенированный учеными на данный момент. Обширная библиотека этих белковых структур, которая теперь находится в свободном доступе, производит революцию в исследованиях в биологии, медицине и разработке лекарств, значительно ускоряя наш прогресс.
Разработанные белки для борьбы с болезнями
Понимание того, как белки принимают свою форму и выполняют задачи, имеет важное значение для создания новых лекарств. Эти ферменты, особый тип белка, действуют как катализаторы химических реакций, позволяя им ускорять или контролировать эти процессы. В поисках борьбы с такими заболеваниями, как рак и диабет, ученые часто сосредотачивают внимание на определенных ферментах, которые играют ключевую роль в механизмах заболеваний. Предсказывая структуру белка, исследователи могут определить потенциальные места связывания для небольших молекул, которые часто являются кандидатами на лекарственные препараты. Этот первоначальный шаг помогает в разработке новых лекарств.
В 2024 году DeepMind представила AlphaFold3, расширенную версию своего программного обеспечения AlphaFold. Вместо того, чтобы просто предсказывать структуру белка, новая версия может также определять потенциальные места связывания крошечных молекул. Этот прорыв упрощает для исследователей процесс разработки лекарств, точно воздействующих на определенные белки.
Сообщается, что в 2014 году Google приобрела Deepmind примерно за полмиллиарда долларов. Теперь объединенная компания Google DeepMind запустила новое предприятие под названием Isomorphic Labs. Этот новый проект направлен на работу в тандеме с фармацевтическими компаниями, используя прогнозы AlphaFold3 для практической разработки лекарств в реальном мире.
Дэвид Бейкер, со своей стороны, последовательно развивал область науки о белках, совершая революционные открытия. В Вашингтонском университете его группа разработала управляемую искусственным интеллектом технику под названием «всесемейное воображение», которую они использовали для создания совершенно новых белков с нуля. Этот инновационный подход генерирует новые шаблоны или структуры, такие как белки, которые хорошо согласуются с шаблонами обучающих данных ИИ. Среди этих недавно созданных белков был светоизлучающий фермент, доказывающий, что машинное обучение может способствовать синтезу уникальных искусственных белков. Эти инструменты искусственного интеллекта открывают захватывающие возможности для разработки функциональных ферментов и других белков, которые не могли бы возникнуть естественным путем сами по себе.
ИИ откроет следующую главу исследования.
Как страстный геймер, я стал свидетелем революционных достижений Хассабиса, Джампера и Бейкера в области машинного обучения, которое превратилось из простого инструмента в руках компьютерных ученых в неотъемлемый компонент, определяющий будущее биологии и биологии. лекарство. Это все равно, что перейти от использования контроллеров к самому участию в игре!
Исследователи, получившие премию 2024 года, добились значительных успехов в решении особенно сложной проблемы биологии. Этот прорыв проложил путь к новым достижениям в области фармацевтических разработок, индивидуальному здравоохранению и еще более глубокому пониманию самой сути химических процессов жизни.
Смотрите также
- Зендая рассказала о потенциальной сюжетной линии третьего сезона «Эйфории» в преддверии выхода в производство сериала «Макс»; Вот что рассказала актриса
- Что сказал Jaguar Wright о связи Бейонсе и Jay-Z с Diddy? Все, что мы знаем: пара отправляет юридическое уведомление с просьбой отстранить ее от интервью Пирса Моргана
- «Моя жизнь менялась»: Дэниел Калуя вспоминает встречу с коллегой по фильму «Черная пантера» Чедвиком Боузманом и то, как покойный актер помог ему
- Имеют ли Шон Дидди Комбс, Джей-Зи и Бейонсе какое-либо отношение к смерти Алии? Вирусная теория изучена
- Спойлеры больницы общего профиля: признается ли Сонни в убийстве?
- Оценка Metacritic ремейка Silent Hill 2 пугающе близка к оригиналу
- «Мы все видели…»: Долли Партон пообещала пожертвовать 1 миллион долларов США жертвам урагана Хелен
- Где Ребел Уилсон и Рамона Агрума связали себя узами брака? Все, что нужно знать об их интимной свадебной церемонии
- 10 лет назад Magic the Gathering наконец-то дала фанатам то, что они хотели, и навсегда изменила игру
- Проблема «Звездных войн» Диснея: игнорирование того, что работает
2024-10-12 16:59