“诺奖风向标”——2023拉斯克奖揭晓!AlphaFold开发者等上榜
▎药明康德内容团队编辑
基础医学研究奖
基础医学研究奖表彰了两位“AlphaFold之父”。AlphaFold是一种人工智能(AI)系统,解决了从蛋白质氨基酸的序列预测蛋白质三维结构这一长期难题。凭借出色的创意、不懈的努力和精湛的工程技术,Demis Hassabis博士和John Jumper博士(均来自谷歌DeepMind)带领AlphaFold团队将结构预测的准确性和速度提升到了前所未有的水平。这种变革性的方法正在迅速推进人们对基本生物过程的理解,并促进药物设计的发展。
蛋白质结构之谜
人体的蛋白质在细胞内扮演着非常重要的角色,它们的多种生理功能与它们从线性氨基酸链折叠成三维结构后的形态密切相关。对蛋白结构的深入洞察可以阐明其功能并解开生物学之谜。
早在60多年前,科学家们已经证明蛋白质的氨基酸序列编码了其最终的组织结构。理论上,科学家们可以找出引导氨基酸链正确构象的原理。然而,对于一条氨基酸链来说,它可能产生多种潜在构象——即使是对一个中等大小的蛋白质来说,尝试所有构象排列方式所需的时间也是惊人的。
将AI用于蛋白质折叠
人们采用了多种策略来尝试解析蛋白质结构,其中,华盛顿大学的David Baker教授开发了一种早期方法,他使用来自共享的全球数据库“蛋白质数据库(PDB)”所收录的短片段来预测蛋白质的局部结构。虽然这种策略在某些情况下有所帮助,但这种基于片段的策略很耗时,对绝大多数蛋白质的适用性有限。
时间推进到2018年和第13届国际蛋白质结构预测竞赛(CASP),科学家们已经将机器学习用于蛋白质结构预测。与依赖预先构想逻辑的传统人工智能方法不同,机器学习系统从数据中自行发现模式规律。通过将机器学习作为蛋白质结构预测网络的核心组成部分,Hassabis博士和John Jumper博士的团队赢得了第13届CASP竞赛,准确率大幅领先于亚军,比第12届CASP竞赛的最好成绩提高了近50%。尽管取得了成功,但DeepMind的研究人员并不满意:他们希望得到一种对于实验人员更加有用的工具,误差小于1埃米(原子的大小)。
经过多轮的调试和集思广益,DeepMind的研究团队在原来的算法基础上成功构建出了AlphaFold2。在2020年的CASP上,DeepMind的AlphaFold2系统表现惊艳,在接受检验的近100个蛋白靶点中,AlphaFold2对三分之二的蛋白靶点给出的预测结构与实验手段获得的结构相差无几。有些情况下,已经无法区分两者之间的区别是由于AlphaFold2的预测出现错误,还是实验手段产生的假象。
Hassabis博士和Jumper博士与欧洲分子生物学实验室的欧洲生物信息学研究所合作,与科学界共享了该项目和数据库,超过一百万名研究人员使用了这些资源。此后,DeepMind团队将其数据库目录扩展到基因组已测序的生物体中几乎所有已知蛋白质,包括构成流行病威胁的病毒和世界卫生组织高度优先的病原体的蛋白质组。
这项技术已经在无数生物医学领域和其他领域产生了巨大影响。例如,它帮助研究人员填补了对核孔复合体可视化的认知不足——核孔复合体是一种巨大而复杂的分子机器,控制进出细胞核的物质运输。通过应用AlphaFold,研究人员重新设计了蛋白质以靶向人类细胞,为药物递送和基因治疗开辟了一条新途径。全球各地的实验室和生物医药公司正在利用AlphaFold开发疫苗、设计药物、制造可降解污染物的酶等等。其应用前景是无穷无尽的。
拉斯克奖的官方评语中这样写道:通过放飞想象力和才华,Hassabis、Jumper和他们的团队完成了让科学家困惑了半个世纪的任务。这一胜利开启了研究和操纵蛋白质的新时代。它已经催化出了实质性的进步,随着众多领域的工作者想方设法挖掘其潜力,他的影响力和范围有望爆炸式增长。
临床医学研究奖
医学科学特殊成就奖
大家都在看
▲欲了解更多前沿技术在生物医药产业中的应用,请长按扫描上方二维码,即可访问“药明直播间”,观看相关话题的直播讨论与精彩回放
参考资料:
[1] 2023 Winners. Retrieved September 21, 2023, from https://laskerfoundation.org/winners/2023-winners/
版权说明:本文来自药明康德内容团队,欢迎个人转发至朋友圈,谢绝媒体或机构未经授权以任何形式转载至其他平台。转载授权请在「药明康德」微信公众号回复“转载”,获取转载须知。
分享,点赞,在看,聚焦全球生物医药健康创新