Сегодня Нобелевскую премию по химии присудили трем ученым, изучающим структуру белков — главных кирпичиков органической жизни. Премия досталась американскому химику Дэвиду Бейкеру и двум английским исследователям, Демису Хассабису и Джону Джамперу. Дэвиду Бейкеру удалось совершить почти невозможное — создать совершенно новые виды белков. Демис Хассабис и Джон Джампер разработали модель искусственного интеллекта для предсказания сложных структур белков по их аминокислотным последовательностям.
Взломать белок
Химики еще в XIX веке знали, что белки важны для жизнедеятельности, но только в 1950-х годах инструменты стали достаточно точными для их детального изучения. Кембриджские исследователи Джон Кендрю и Макс Перутц сделали революционное открытие, применив метод рентгеновской кристаллографии для создания первых трехмерных моделей белков. За это открытие они получили Нобелевскую премию по химии в 1962 году. Впоследствии их метод использовали для успешного получения изображений около 200 тысяч различных белков, что заложило основу для присуждения Нобелевской премии по химии 2024 года.
В 1960-х годах американский ученый Кристиан Анфенсен сделал еще одно важное открытие. Он смог наблюдать, как уже существующий белок меняет свою структуру, разворачиваясь и снова сворачиваясь. Интересным было то, что волшебным образом каждый раз белок принимал одну и ту же форму. В 1961 году Кристиан Анфенсен пришел к выводу, что трехмерная структура белка полностью определяется последовательностью аминокислот в его составе. Однако его теория столкнулась с парадоксом, который в 1969 году обнаружил Сайрус Левинталь. Он подсчитал, что даже при наличии всего 100 аминокислот, возможен миллион различных комбинаций.
Открытие Анфенсена и парадокс Левинталя свидетельствуют о том, что сворачивание белков — это предопределенный процесс. Более того, вся информация о том, как должны складываться белки, содержится в их аминокислотной последовательности. Эти выводы привели к еще одному важному открытию: если химики знают аминокислотную последовательность белка, они могут предсказать его трехмерную структуру. Однако методов, которые позволяли бы это сделать быстро, еще не было.
Но благодаря разработке нобелевских лауреатов 2024 года работа, на которую раньше уходили годы, теперь занимает всего несколько минут.
Когда Демис Хассабис и Джон Джампер подтвердили, что их система предсказания под названием AlphaFold2 действительно работает, они использовали ее для расчета структуры всех белков человека. Теперь миллионы ученых по всему миру используют их модель.
«Белки играют ключевую роль в жизни клеток, участвуя в процессах передачи информации, выработки энергии и химических реакциях. Белки являются полимерами и состоят из строительных блоков, аминокислот, которых всего существует около 20. То есть белок — это такая длинная цепочка, которая упаковывается в некоторую трехмерную структуру, и то, что белок будет делать, определяется его структурой. Белки сворачиваются, чтобы некоторые аминокислоты оказывались внутри белка, а другие снаружи. Это и определяет его функции. Будет ли он ферментом, вызовет ли заболевание или, наоборот, будет его лечить, зависит от того, как сложится эта цепочка аминокислот», — рассказал «Газете.Ru» старший научный сотрудник-заведующий лабораторией структурного анализа и инжиниринга мембранных систем МФТИ Иван Гущин.
В среднем белок содержит от 200 до 400 аминокислот, отмечает Гущин. Но, учитывая, что существует всего 20 различных типов аминокислот, можно предположить, что существует 20 в 300-й степени различных возможных последовательностей белков, что представляет собой невероятно огромное количество вариантов.
«Даже если каждый человек будет собирать один вариант белка в секунду, мы никогда не сможем перебрать все возможные комбинации. Я и мои коллеги из МФТИ занимаемся экспериментальным определением структуры белков. И разработки нобелиатов с высокой степенью уверенности позволяют получать очень хорошие модели белков за 10 минут работы компьютера. Сейчас мы активно используем разработки нобелевских лауреатов, публикуем результаты и применяем их в своих исследованиях и разработках», — отметил Гущин.
Один из проектов МФТИ, в котором используются нобелевские разработки, касается изучения белков, ответственных за выработку энергии в клетках организмов.
«В школе нам рассказывали, что во всех клетках образуются митохондрии — структуры, которые служат источником энергии. За синтез АТФ отвечает белок АТФ-синтаза, от его строения зависит, насколько эффективно он преобразует потенциал клетки в АТФ. В каждом организме есть несколько таких белков. В одном из проектов мы попытались предсказать структуру этих синтаз для всех возможных организмов. Оказалось, что они гораздо разнообразнее, чем мы думали раньше. Для этого мы используем пакет AlphaFold2, который является самым распространенным в мире инструментом для предсказания структуры белков», — заключил Гущин.
«То есть раньше мы методом тыка пытались понять, как свернется белок, сейчас мы можем это делать с помощью ИИ», — рассказал Волчков.
Еще один из проектов российских ученых заключается в том, что они синтезируют несуществующие в природе капсиды (оболочки) аденоассоциированных вирусов для различных терапий. Для этого так же применяется достижение нобелиатов — система AlphaFold2.
«Любой ученый мира может воспользоваться этой системой. Там надо зарегистрироваться и выгрузить интересующую последовательность белка. Далее AlphaFold2 прямо нарисует, каким образом этот белок свернется. Если нам это подходит, то мы начинаем в лаборатории работать уже с этой последовательностью «вживую». Если не подходит, то предлагаем другую последовательность. На эксперименты требуется много времени и денег. AlphaFold2 позволяет сократить время и расходы», — объяснил «Газете.Ru» аспирант лаборатории геномной инженерии МФТИ Денис Максимов.
Он сравнил AlphaFold2 с компьютерной системой для перевода текстов.
«Слово само по себе может означать разное, главное знать в каком контексте применяется это слово. Система AlphaFold2 помогает понять контекст для последовательностей белков», — отметил Максимов.
Как отметили ученые, это открытие помогает решить множество прикладных задач. Например, расчет структуры белка необходим для создания лекарств, чтобы просчитать белковое взаимодействие, создавать новые белки с новыми функциями, предсказывать эффекты от мутаций или как лечить опухоль, как она будет развиваться, как создавать моноклональные антитела.
Демис Хассабис родился 27 июля 1976 года. Вырос в Северном Лондоне, в семье грека-киприота и китаянки из Сингапура. Отец занимался различными видами бизнеса и творческой деятельностью, из-за чего семья часто переезжала на протяжении всего детства Демиса.
В подростковом возрасте он начал свой путь в мире программирования. Будучи школьником, Хассабис купил свой первый компьютер ZX Spectrum 48K, на который заработал благодаря участию в шахматных турнирах. Примерно в это же время он самостоятельно научился программировать по книгам.
Хассабис закончил школу экстерном и сразу же попробовал поступить в Кембридж, однако там ему отказали, сославшись на то, что ему нужно временно отдохнуть от учебы. По этой причине ученый начал карьеру в сфере видеоигр в британской студии Bullfrog Productions, в 17 лет став соавтором и ведущим программистом.
Однако позже он покинул эту работу и получил степень бакалавра по компьютерным наукам. После окончания Кембриджа Демис некоторое время работал в студии Lionhead. В частности, был ведущим программистом по созданию игрового искусственного интеллекта для игры Black & White. В 1998 году Хасабис покинул Lionhead и основал собственную кампанию Elixir Studios по разработке компьютерных игр.
Затем Хассабис сменил научное направление, переключившись с разработки игр на карьеру в области когнитивной нейробиологии. С ранних лет его привлекал искусственный интеллект. Полученные знания о мозге он применял для создания более совершенных нейронных сетей, которые стали основой для искусственного интеллекта.
Четырехлетний гроссмейстер
В 2014 году DeepMind была продана Google, но Хассабис остался в компании, чтобы продолжить разработки.
Не хотел заниматься наукой
Дэвид Бейкер родился в 1963 году в Сиэтле в семье выдающихся ученых Маршалла и Марсии Бейкер. Маршалл был физиком, специализирующимся на теории струн и кварках, а Марсия изучала геофизику и атмосферные науки. Оба родителя занимали профессорские должности в Вашингтонском университете.
Но в детстве Дэвид Бейкер не проявлял особого интереса к исследованиям. Поступив в Гарвард, он начал изучать социальные науки и философию, но на последнем курсе решил изменить направление своей деятельности. Это произошло после того, как он прослушал курс по биологии развития и наткнулся на книгу «Молекулярная биология клетки». Позднее Дэвид Бейкер признал, что его первоначальное увлечение гуманитарными науками оказалось «пустой тратой времени».
В 1993 году Бейкер пришел в Вашингтонский университет, решив разгадать загадку того, как белки сворачиваются. Он создал программу, при помощи которой можно создавать совершенно новые белки с нужными функциями.
Загадочный Джон
Джон М. Джампер родился в 1985 году в Арканзасе. О семье и юных годах ученого практически ничего не известно. Исследователь также не делится подробностями о своей личной жизни в социальных сетях. Джампер получил образование в Чикагском университете, где в 2017 году защитил докторскую диссертацию по теме использования машинного обучения для моделирования сворачивания белков и их динамики.
Джампер часто менял направление своей деятельности. Он начал писать докторскую диссертацию по физике конденсированных сред в Кембриджском университете в Великобритании, но решил, что такая тема ему не подходит. В итоге он стал работать над компьютерным моделированием белков в частной исследовательской группе D.E. Shaw Research, где он и разработал алгоритм для извлечения ключевых данных для работы модели ИИ под названием AlphaFold.
«Когда я пришел, я не знал, что такое белок», — вспоминает Джампер.
После того, как ученый завершил работу в группе, он присоединился к компании DeepMind. В 2020 году Демис Хассабис и Джон Джампер из DeepMind представили модель ИИ под названием AlphaFold2. В 2021 году научный журнал Nature включил Джампера в список десяти самых «выдающихся людей» в науке согласно ежегодному рейтингу Nature's 10.