Ученые рассказали «Газете.Ru», за что присудили Нобелевскую премию по химии

Эти трое были удостоены Нобелевской премии по химии в 2024 году за разработки в области предсказания сложных белковых структур на основе их аминокислотных последовательностей. Простыми словами, причина присуждения премии в этом году освещена в материале «Газеты.Ru».

Сегодня Нобелевская премия в области химии была вручена трем ученым, занимающимся исследованием структуры белков — основополагающих элементов жизни. Премия досталась американскому химику Дэвиду Бейкеру и двум британским специалистам, Демису Хассабису и Джону Джамперу. Дэвиду Бейкеру удалось осуществить практически невозможное — создать совершенно новые типы белков. Демис Хассабис и Джон Джампер разработали модель искусственного интеллекта для прогнозирования сложных белковых структур на основе их аминокислотных последовательностей.

Взломать белок

Уже в XIX веке ученые-химики осознавали значимость белков для жизненных процессов, но лишь в 1950-х годах технологии достигли такой точности, что позволили тщательно их анализировать. Исследователи из Кембриджа, Джон Кендрю и Макс Перутц, произвели революционное открытие, применив рентгеновскую кристаллографию для создания первых трехмерных моделей белков.

За это достижение они были удостоены Нобелевской премии по химии в 1962 году. Позже их метод стал основой для успешного получения изображений примерно 200 тысяч разнообразных белков, что в свою очередь подготовило почву для вручения Нобелевской премии по химии в 2024 году.

В шестидесятых годах XX века американский исследователь Кристиан Анфенсен сделал еще одно значимое открытие. Ему удалось наблюдать за процессом изменения структуры белка, который разворачивался и вновь сворачивался.

Удивительным было то, что каждый раз он принимал одну и ту же конфигурацию. В 1961 году Анфенсен пришел к выводу, что трехмерная конфигурация белка определяется исключительно последовательностью аминокислот в его составе.

Тем не менее, его теория столкнулась с парадоксом, который в 1969 году выявил Сайрус Левинталь. Он подсчитал, что даже если рассматривать всего 100 аминокислот, можно получить миллион различных комбинаций.

Открытие Анфенсена и парадокс Левинталя подтверждают, что процесс сворачивания белков является заранее определенным. Более того, вся информация о правильной конформации белков заложена в их аминокислотной последовательности.

Эти выводы привели к еще одному значимому открытию: если химики располагают аминокислотной последовательностью белка, они способны прогнозировать его трехмерную структуру. Тем не менее, методов, позволяющих осуществлять это быстро, в то время не существовало.

Однако благодаря разработкам нобелевских лауреатов 2024 года выполнение этой работы, на которая прежде занимала годы, теперь возможно всего за несколько минут.

Когда Демис Хассабис и Джон Джампер подтвердили эффективность своей системы предсказания, известной как AlphaFold2, они использовали её для расчета структуры всех белков человеческого организма. В настоящее время миллионы ученых по всему миру применяют их модель.

«Белки имеют важное значение для функционирования клеток, участвуя в таких процессах, как передача информации, производство энергии и химические реакции. Они представляют собой полимеры, состоящие из аминокислот — строительных единиц, количество которых насчитывает около 20. Таким образом, белок можно рассматривать как длинную цепь, которая сворачивается в определенную трехмерную конфигурацию, и его функции зависят от этой структуры. При сворачивании белка некоторые аминокислоты располагаются внутри, а другие — снаружи, что влияет на его работу. То, станет ли белок ферментом, вызовет ли он заболевание или поможет в лечении, зависит от порядка расположения аминокислот в цепи», — рассказал «Газете.Ru» заведующий лабораторией структурного анализа и инжиниринга мембранных систем МФТИ Иван Гущин.

По словам Гущина, белки в среднем состоят из 200–400 аминокислот. Учитывая, что всего существует 20 различных аминокислот, можно сделать вывод, что количество возможных последовательностей белков составляет 20 в степени 300, что представляет собой поистине колоссальное число вариантов.

«Даже если каждый человек будет создавать по одному варианту белка каждую секунду, нам не удастся перебрать все возможные комбинации. Я и мои коллеги из МФТИ занимаемся экспериментальным изучением структуры белков. Разработки нобелевских лауреатов с высокой степенью точности позволяют получать качественные модели белков всего за 10 минут работы компьютера. В настоящее время мы активно применяем достижения нобелевских лауреатов, публикуем наши результаты и используем их в своих исследованиях и разработках», — добавил Гущин.

Один из проектов МФТИ затрагивает нобелевские исследования и направлен на анализ белков, отвечающих за энергообразование в клетках живых организмов.

«В школе нам объясняли, что митохондрии присутствуют в каждом клеточном элементе — это структуры, обеспечивающие энергетические нужды. За синтез АТФ отвечает белок АТФ-синтаза, и его конформация влияет на эффективность преобразования клеточного потенциала в АТФ. В каждом виде организмов существует несколько таких белков. В одном из наших проектов мы попытались предсказать структуру этих синтаз для всех возможных организмов. Исследование показало, что разнообразие гораздо больше, чем мы предполагали ранее. Мы применяем пакет AlphaFold2, который является ключевым инструментом в мире для предсказания белковых структур», — добавил Гущин.

Генетик и руководитель лаборатории геномной инженерии в МФТИ Павел Волчков подтвердил изданию «Газета.Ru», что разработанный лауреатами Нобелевской премии искусственный интеллект стал значительным шагом вперед в предсказании структуры белков на основе их аминокислотного состава.

«Ранее мы полагались на методы проб и ошибок для определения формы белка, а теперь можем использовать ИИ для этой задачи», — заявил Волчков.

Еще одним направлением работы российских ученых является синтез капсидов (оболочек) аденоассоциированных вирусов, которые не встречаются в природе, для целого ряда терапий. При этом также используется разработка нобелиатов — система AlphaFold2.

«Каждый ученый по всему миру имеет возможность воспользоваться данной системой. Необходимо пройти регистрацию и загрузить интересующую белковую последовательность. Затем AlphaFold2 наглядно демонстрирует, каким образом данный белок будет сворачиваться. Если это соответствует нашим требованиям, мы переходим к экспериментам в лаборатории с этой последовательностью в реальных условиях. Если нет, то подбираем другую последовательность. Для проведения экспериментов требуется значительное время и средства. AlphaFold2 позволяет существенно сократить как время, так и затраты», — рассказал «Газете.Ru» аспирант лаборатории геномной инженерии МФТИ Денис Максимов.

Он провел аналогию между AlphaFold2 и компьютерными системами, предназначенными для перевода текста.

«Слово само по себе может иметь различные значения; важно понимать, в каком контексте оно употребляется. AlphaFold2 помогает определить контекст для белковых последовательностей», — добавил Максимов.

Ученые отметили, что данное открытие способствует решению множества практических задач. Например, анализ структуры белка критически важен для разработки медикаментов, поскольку позволяет изучать взаимодействия белков, создавать новые белки с уникальными функциями, предугадывать последствия мутаций, а также разрабатывать стратегии лечения опухолей и прогнозировать их развитие, в том числе заниматься производством моноклональных антител.

Гроссмейстер в четыре года

Демис Хассабис появился на свет 27 июля 1976 года. Он провел детство в Северном Лондоне в семье грека-киприота и китаянки из Сингапура. Отец занимался разными видами бизнеса и творчеством, что вело к частым переездам семьи в течение всего детства Демиса.

С ранних лет Хассабис проявлял выдающиеся способности в шахматах. Он начал заниматься этой игрой в четыре года, а в 13 лет уже стал мастером и занял пятое место на международном уровне среди юных шахматистов до 14 лет.

В юном возрасте он ступил на путь программирования. Будучи школьником, Хассабис приобрел свой первый компьютер ZX Spectrum 48K, на который заработал, участвуя в шахматных турнирах. В это время он самостоятельно освоил программирование по учебникам.

Хассабис окончил школу экстерном и сразу попытался поступить в Кембридж, но получил отказ, так как ему рекомендовали сделать перерыв в учебе. В результате ученый приступил к деятельности в индустрии видеоигр в британской компании Bullfrog Productions, где в 17 лет стал соавтором и ведущим программистом.

Тем не менее, вскоре он ушёл с этой должности и получил степень бакалавра в области компьютерных наук. После завершения обучения в Кембридже Демис некоторое время трудился в студии Lionhead.

В частности, он занимал позицию ведущего программиста, отвечая за создание игрового искусственного интеллекта для проекта Black & White. В 1998 году Хасабис покинул Lionhead и основал собственную компанию Elixir Studios, специализирующуюся на разработке видеоигр.

Позже Хасабис изменил свою профессиональную траекторию, переключившись с разработки игр на карьеру в сфере когнитивной нейробиологии. С юных лет его интересовал искусственный интеллект.

Полученные знания о функционировании мозга он использовал для создания более совершенных нейронных сетей, которые легли в основу искусственного интеллекта.

В 2010 году он стал одним из соучредителей DeepMind — компании, фокусирующейся на разработке моделей искусственного интеллекта для популярных настольных игр.

В 2014 году DeepMind перешла под собственность Google, но Хассабис остался на своем посту для продолжения исследований.

Не стремился заниматься наукой

Дэвид Бейкер появился на свет в 1963 году в Сиэтле в семье известных ученых Маршалла и Марсии Бейкер. Маршалл занимался физикой, в частности теорией струн и кварками, в то время как Марсия специализировалась на геофизике и атмосферных науках. Оба родителя работали профессорами в Вашингтонском университете.

Однако в юности Дэвид Бейкер не проявлял особого интереса к научным исследованиям. Поступив в Гарвард, он начал изучать социальные науки и философию, но на финальном курсе решил сменить направление. Это произошло после того, как он прослушал лекцию по биологии развития и открыл для себя книгу «Молекулярная биология клетки». В дальнейшем Дэвид Бейкер признал, что его начальное увлечение гуманитарными науками оказалось «бессмысленной тратой времени».

В 1993 году Бейкер начал свою работу в Вашингтонском университете, стремясь раскрыть тайну сворачивания белков. Он разработал программу, позволяющую создавать совершенно новые белки с необходимыми функциями.

Тайный Джон

Джон М. Джампер появился на свет в 1985 году в штате Арканзас. О его семье и детстве известно очень мало. Сам исследователь предпочитает не раскрывать подробности своей личной жизни в социальных сетях. Джампер обучался в Чикагском университете, где в 2017 году защитил докторскую диссертацию, посвященную применению машинного обучения для моделирования сворачивания белков и их динамики.

Джампер не раз изменял направление своих исследований. Он начал подготовку докторской работы в области физики конденсированных сред в Кембриджском университете в Великобритании, но вскоре понял, что данная тема не для него. В конечном итоге он переключился на компьютерное моделирование белков в частной исследовательской группе D.E. Shaw Research, где разработал алгоритм для извлечения основных данных для функционирования модели ИИ под названием AlphaFold.

«Когда я пришел, у меня не было понимания, что такое белок», — рассказывает Джампер.

После завершения своей работы в исследовательской группе он стал частью компании DeepMind. В 2020 году Демис Хассабис и Джон Джампер из DeepMind представили модель ИИ под названием AlphaFold2. В 2021 году научное издание Nature включило Джампера в число десяти самых «замечательных людей» в науке по итогам ежегодного рейтинга Nature's 10.