這2024年諾貝爾化學獎公認的黛米斯·哈薩比斯,約翰·詹珀和大衛貝克用於使用機器學習解決生物學最大的挑戰之一：預測蛋白質的 3D 形狀並從頭開始設計它們。
今年的獎項之所以脫穎而出，是因為它表彰了源自科技公司 DeepMind 的研究，DeepMind 是一家人工智慧研究新創公司，被Google2014年。歷屆諾貝爾化學獎大多頒給了學術界的研究人員。
許多獲獎者隨後成立了新創公司，以進一步擴大和商業化他們的開創性工作？例如，CRISPR基因編輯技術和量子點？但這項研究從頭到尾都不是在商業領域進行的。
儘管諾貝爾物理獎和化學獎是分開頒發的，但 2024 年這些領域的獲獎研究之間存在著令人著迷的聯繫。
物理獎去找了兩位計算機科學家世界衛生組織為機器學習奠定了基礎，而化學獎得主則因利用機器學習來解決生物學最大的謎團之一：蛋白質如何折疊而獲得獎勵。
2024 年諾貝爾獎強調了這種類型的重要性人工智慧以及當今的科學如何經常跨越傳統界限，融合不同領域以取得突破性的成果。
蛋白質折疊的挑戰
蛋白質是生命的分子機器。它們構成了我們身體的重要組成部分，包括肌肉、酵素、荷爾蒙、血液、頭髮和軟骨。
（©Johan Jarnestad/瑞典皇家科學院）
了解蛋白質的結構至關重要，因為它們的形狀決定了它們的功能。
早在1972年，克里斯蒂安安芬森榮獲諾貝爾獎在化學中用於顯示蛋白質氨基酸結構單元的序列決定蛋白質的形狀，進而影響其功能。如果蛋白質折疊不正確，它可能無法正常工作並可能導致疾病，例如阿茲海默症,囊腫纖維化或者糖尿病。
蛋白質的整體形狀取決於構成其的氨基酸中所有原子之間的微小相互作用、吸引力和排斥力。有的人想在一起，有的人不想在一起。基於數千種化學相互作用，蛋白質將自身扭曲並折疊成最終形狀。
幾十年來，生物學面臨的最大挑戰之一是僅根據胺基酸序列來預測蛋白質的形狀。
儘管研究人員現在可以預測形狀，但我們仍然不明白蛋白質如何在幾微秒內操縱成其特定形狀並最小化所有原子間相互作用的排斥力。
為了了解蛋白質的工作原理並防止錯誤折疊，科學家需要一種方法來預測蛋白質的折疊方式，但解決這個難題並非易事。
2003年，華盛頓大學生物化學家大衛貝克寫道羅塞塔，用於設計蛋白質的電腦程式。他用它證明了可以透過以下方式扭轉蛋白質折疊問題：設計蛋白質形狀然後預測創建它所需的氨基酸序列。
這是一個驚人的飛躍，但計算所選的形狀很簡單，計算卻很複雜。需要進行重大範式轉移來常規設計具有所需結構的新型蛋白質。
機器學習的新時代
機器學習是人工智慧的一種，電腦透過分析大量數據來學習解決問題。它已被應用於各個領域，從玩遊戲和語音辨識到自動駕駛汽車和科學研究。
機器學習背後的想法是利用資料中的隱藏模式來回答複雜的問題。
2010 年，Demis Hassabis 與他人共同創立了該公司，而這種方法取得了巨大飛躍深度思維，一家旨在將神經科學與人工智慧結合起來解決現實世界問題的公司。
哈薩克 (Hassabis)，4 歲時的西洋棋神童，很快就成為頭條新聞阿爾法零，一個自學下棋達到超人水準的人工智慧。 2017年，AlphaZero徹底擊敗了世界頂級電腦西洋棋程式Stockfish-8。
人工智慧能夠從自己的遊戲玩法中學習，而不是依賴預先編程的策略，這標誌著人工智慧世界的一個轉折點。
不久之後，DeepMind 將類似的技術應用於圍棋，這是一種以其巨大複雜性而聞名的古老棋盤遊戲。 2016年，其人工智慧項目阿爾法圍棋在一場比賽中擊敗了世界頂尖選手之一李世石這場廣受關注的比賽震驚了數百萬人。
2016 年，Hassabis 將 DeepMind 的重點轉向了一個新的挑戰：蛋白質折疊問題。在領導下約翰·詹珀一位具有蛋白質科學背景的化學家，AlphaFold 計畫開始了。
該團隊使用了一個由實驗確定的蛋白質結構的大型資料庫來訓練人工智慧，使其能夠學習蛋白質折疊的原理。
結果是阿爾法折疊2，一種人工智慧，可以根據蛋白質的氨基酸序列以極高的準確性預測其 3D 結構。
這是一項重大的科學突破。此後 AlphaFold 預測了超過 2 億種蛋白質的結構？基本上是迄今為止科學家已定序的所有蛋白質。這海量蛋白質結構資料庫現已免費提供，加速了生物學、醫學和藥物開發的研究。
設計蛋白質來對抗疾病
了解蛋白質如何折疊和發揮作用對於設計新藥至關重要。酵素是一種蛋白質，在生化反應中充當催化劑，可以加速或調節這些過程。
治療疾病，例如癌症或者糖尿病，研究人員經常針對疾病途徑中涉及的特定酶。透過預測蛋白質的形狀，科學家可以找出小分子在哪裡？潛在的候選藥物？可能會綁定到它，這是第一步設計新藥。
2024年，DeepMind推出阿爾法折疊3，AlphaFold 程式的升級版本，不僅可以預測蛋白質形狀，還可以識別小分子的潛在結合位點。這項進展使研究人員更容易設計出精確靶向正確蛋白質的藥物。
谷歌收購 Deepmind據報道約2014 年 5 億美元。 Google DeepMind 現在已經開始了一項新的冒險，同構實驗室，利用這些 AlphaFold3 預測與製藥公司合作進行現實世界的藥物開發。
就大衛貝克而言，他繼續為蛋白質科學做出重大貢獻。他在華盛頓大學的團隊開發了一種基於人工智慧的方法，稱為“全家出現幻覺”，他們用它從頭開始設計全新的蛋白質。
幻覺是新模式？在這種情況下，蛋白質？這是合理的，這意味著它們非常適合人工智慧訓練資料中的模式。
這些新蛋白質包含一種發光酶，顯示機器學習可以幫助創造新型合成蛋白質。這些人工智慧工具提供了設計功能性酵素和其他不可能自然進化的蛋白質的新方法。
人工智慧將開啟研究的新篇章
哈薩比斯、朱珀和貝克的諾貝爾獎成就表明，機器學習不僅僅是電腦科學家的工具？它現在是生物學和醫學未來的重要組成部分。
透過解決生物學中最棘手的問題之一，2024 年獲獎者為藥物發現、個人化醫療，甚至我們對生命本身化學的理解開闢了新的可能性。
