Награда за работу над формами белков повышает вероятность того, что исследования в области искусственного интеллекта впервые получат Нобелевскую премию.

Исследователи, работающие над программой Google DeepMind AlphaFold, получили одну из самых престижных премий в области науки за решение грандиозной задачи в области биологии, которая стояла на протяжении полувека.

Демис Хассабис и Джон Джампер, руководившие разработкой AlphaFold, программы искусственного интеллекта, разделяют премию Ласкера за фундаментальные медицинские исследования в размере 250 000 долларов за их «революционную технологию» предсказания трехмерной формы белков.

Помимо признания существенного влияния AlphaFold на современную науку, награда примечательна тем, что многие лауреаты Ласкера продолжают получать Нобелевскую премию, что повышает вероятность того, что исследования в области искусственного интеллекта впервые получат Нобелевскую премию. За последние 20 лет 32 лауреата Ласкеровской премии получили Нобелевскую премию.

Какой бы загадочной ни казалась проблема, важность сворачивания белков трудно переоценить. Белки являются строительными блоками жизни, и формы, которые они образуют, лежат в основе их функций — от того, как антитела борются с вирусами, до того, как инсулин контролирует уровень сахара в крови. Разработка структур в лаборатории может потребовать многих лет кропотливых экспериментов, но AlphaFold получила ответы за считанные минуты.

В прошлом году команда AlphaFold опубликовала более 200 миллионов предсказанных структур, составляющих почти все белки, известные науке. База данных дала толчок исследованиям в различных областях науки, от поиска лекарств от забытых болезней до разработки «молекулярного шприца» для введения человеческих клеток и понимания чудовищно сложной ядерной поры, которая контролирует все, что входит в ядро клетки и покидает его.

AlphaFold появился по горячим следам AlphaGo, искусственного интеллекта, который победил Ли Седола, одного из ведущих мировых игроков в китайскую стратегическую игру Go.

AlphaFold научилась предсказывать структуры белков по их химическому составу, обучившись на 170 000 белковых последовательностях и структурах, разработанных учеными в лаборатории.

Первое испытание AlphaFold состоялось в 2018 году, когда команда участвовала в программе, проводимой раз в два года «белковой олимпиады», известной как Casp, критическая оценка предсказания структуры белка. Победителями становятся те, кто лучше всего способен предсказать структуру белков по входящим в их состав аминокислотам.

В то время как AlphaFold хорошо справился с этой задачей, он был недостаточно хорош для использования учеными. Работа по улучшению искусственного интеллекта уперлась в кирпичную стену, но в конечном итоге исследовательская группа увеличила свою производительность, и в 2020 году программа выиграла конкурс Casp.

Профессор Джон Моулт, специалист по вычислительной биологии из Университета Мэриленда и председатель Casp, сказал, что AlphaFold «мгновенно и очевидно стал очень важным событием».

«Трудно преувеличить влияние», — сказал он. «Я не знаю ни одного структурного биолога, который так или иначе не использовал бы его. И это влияние проявляется не только в структурной биологии».

На вопрос, куда будут направлены дальнейшие исследования, Джампер ответил, что крайне важно сосредоточиться на правильной задаче. «Есть еще много-много проблем. Которые приведут к этой лавинообразной работе, выполняемой другими, которая действительно важна?» — сказал он. «Нам нужно найти правильных людей и оказать на них такое влияние. Это ни в коем случае не конец науки или биологии».

Похожие записи:

Нобелевская премия по химии вручена за метод редактирования генома Илон Маск снова готовится всех удивить: в США появилась третья крупная компания, занимающаяся искусственным интеллектом Ученые ищут источник темной материи в Йоркшире Доказывает ли «НЛО, сфотографированный над кругом на полях», что инопланетяне действительно стоят за формированиями пшеничных полей? Инструмент искусственного интеллекта Google DeepMind оценивает мутации ДНК на предмет потенциального вреда