DeepMind-onderzoekers krijgen Nobelprijs scheikunde voor AI-model voor eiwitten

Onderzoekers van Google DeepMind krijgen de Nobelprijs voor scheikunde voor een AI-model dat de structuur van alle bekende eiwitten heeft voorspeld. Een andere onderzoeker krijgt ook de Nobelprijs voor een model dat heel nieuwe eiwitten berekent.

Nobelprijs voor AlphaFold2
Nobelprijs voor AlphaFold2

Google DeepMind-directeur Demis Hassabis en onderzoeker John Jumper maakten het AlphaFold-model om de structuren van eiwitten te voorspellen, waarmee het mogelijk wordt om de structuur te kennen van alle bekende eiwitten, meldt het Nobelcomité. De Amerikaanse onderzoeker David Baker heeft met computerprogramma's nieuwe eiwitten kunnen samenstellen met nieuwe functies. Baker is ook bekend van Rosetta@Home, waarmee gebruikers computerkracht ter beschikking kunnen stellen aan de wetenschap. Vanaf Gathering of Tweakers gebeurt dat al heel lang via de Dutch Power Cows.

Het Nobelcomité noemt het maken van nieuwe eiwitten 'spectaculair', maar ook het in kaart brengen van de bestaande eiwitten is een grote prestatie, zegt het comité. "Er gaat een 50 jaar oude droom in vervulling: het voorspellen van eiwitstructuren op basis van hun aminozuursequenties. Beide ontdekkingen bieden enorme mogelijkheden." Het is niet de enige Nobelprijs die dit jaar gaat naar toepassingen van kunstmatige intelligentie. De Nobelprijs voor de natuurkunde ging naar fundamenteel onderzoek in machine learning.

Update, donderdag: Stuk over Hollandse koeien toegevoegd.

Door Arnoud Wokke

Redacteur Tweakers

09-10-2024 • 18:24

29

Reacties (29)

29
29
15
3
0
7
Wijzig sortering
David Baker ken ik van Rosetta@home, waar de Dutch Power Cows al jaren aan bijdragen. }:O

The University of Washington's David Baker had also tried to tackle the protein-folding problem for a number of years, taking some distinct approaches to it. The Rosetta software developed by his group was adapted to operate as a distributed computing project (Rosetta@home) and later served as the basis of a protein-folding game called Foldit. When DeepMind announced its AlphaFold software, he was part of a group that quickly adopted some of its principles into a version they called RosettaFold.

But his group has also tackled a second question: Can we use the ability to predict protein structures to essentially do the converse of figuring out the structure of natural proteins? In other words, can we design proteins that don't exist in the natural world to fold up into specific structures?

Over the last few years, those questions have clearly been answered with a "yes."


Bron: https://arstechnica.com/s...gets-the-chemistry-nobel/
"Er gaat een 50 jaar oude droom in vervulling: het voorspellen van eiwitstructuren op basis van hun aminozuursequenties. Beide ontdekkingen bieden enorme mogelijkheden."
Zoals? Hoe gaat dit ons dagelijkse leven veranderen?
Voor eiwitten geldt in principe dat de vorm de functie is. Denk als een schoenlepel: als het een andere vorm had, had het niet zo gewerkt.

Toepassingen zijn er bijvoorbeeld in de medische wereld: snappen waarom een eiwit doet wat 'ie doet. Ook na een mutatie, bij ziekte of bijvoorbeeld viruseiwitten
Andere toepassingen zijn als katalysator: soms kan je een bepaalde reactie vele malen sneller maken (denk 10.000en keren) zonder dat het meer energie kost. Het doelgericht ontwerpen van eiwitten als katalysator was nagenoeg onmogelijk
Er is bijvoorbeeld een Covid-vaccin ontwikkeld met deze technologie. In feite kun je nu supersnel eiwitstructuren (dus bijvoorbeeld voor vaccins) uitrekenen, iets wat voorheen veel, heel veel tijd kostte.
Welk covid vaccin dan?
Vanaf de RNA sequentie van covid bekend was kon de vorm ervan berekend worden met alphafold. Dat heeft alle vaccins versneld, maar vooral de mrna vaccins. Die waren er enkele weken nadat deze structuur bekend was.
Ik ben ook wel benieuwd wat het dan betekent voor de wetenschap. Het lijkt nu alleen of je de auteur 'op het matje roept om meer tekst en uitleg te geven' terwijl hij hier het Nobelcomité citeert. Misschien is het niet zo bedoeld hoor, alleen zo interpreteer ik het. Het is zo gemakkelijk om iets liever voor elkaar te zijn. In dit geval door de vraag iets anders te stellen.
Een onderzoek hoeft niet op directe basis je dagelijks leven te veranderen om baanbrekend te zijn en enorme sprongen te maken in de vooruitgang van de wetenschap. Het is een stap dichterbij voor talloze nieuwe toepassingen waarvan we ook nog niet alles al hebben ontdekt.
De mogelijkheid om eiwitstructuren te voorspellen versnelt de ontwikkeling van nieuwe geneesmiddelen. Wetenschappers kunnen potentiële medicijnen sneller identificeren en begrijpen hoe bepaalde moleculen zich binden aan specifieke eiwitten.

Veel medicatie werkt immers door eiwitten te remmen, vermeerderen of hun samenstelling te sturen. Denk aan behandelen maagzweren, receptor eiwitten verbeteren tegen depressie, bloeddruk verlagen, cholesterol verlagers etc.

Eiwitten zijn de bouwstenen van ons lichaam. Als je die beter en sneller begrijpt kan je betere medicatie maken.

Dus ja, de impact op ons dagelijks leven is groot.
Overigens: Ontvanger van de nobelprijs voor natuurkunde Geoffrey Hinton (ook door werk bij Google gedaan) is in 2013 weggegaan.. " He explained his decision by saying that he wanted to "freely speak out about the risks of A.I." and added that a part of him now regrets his life's work" Hij kreeg ook al de Turing award ("Nobelprijs" voor informatica) in 2018... Wikipedia: Geoffrey Hinton"
Demis Hassabis is ook medeontwerper van de game Theme Park ;
De Nobelprijs voor natuurkunde ging ook al naar AI.
nieuws: Nobelprijs voor natuurkunde gaat naar 'fundamenteel' machine learning...

De volgende is de Nobelprijs voor literatuur en de grote ontwikkeling van de laatste tijd zijn de Large Language Models.... Ik vind het te vroeg om GPT een Nobelprijs te geven maar de gedachte dringt zich op.

Daarna komt de Nobelprijs voor vrede....
Ik zie een flink aantal reacties in de trant van 'wat moeten we hier mee?'
Even een kleine achtergrond informatie sessie:
Realiseer je dat alle enzymen in ons lichaam gemaakt zijn uit kettinkjes van aminozuren. Heel simpel een keten van een zeer beperkt aantal aminozuren. Zo'n keten vouwt zich natuurlijk (met een beetje hulp van soms een sporenelementen) tot een 3D structuur. Heel toevallig is zo'n structuur in staat om ons DNA te kopiëren, zetmeel af te breken of met een heleboel andere enzymen een nieuwe cel te maken, zelfs nieuw leven.
Deze info laat wel zien wat de potentie is, ik zeg eindeloos!
Is dit niet iets wat met de huidige techniek en de ontwikkeling van AI sowieso wel ging gebeuren?
Google krijgt eigenlijk de prijs omdat ze de eerste waren. Niet per se omdat het baanbrekend is.
Is de eerste zijn die iets voor mekaar krijgt niet zoizoo "baanbrekend"?
Het is maar net waar je je AI op inricht.
Dikke kans dat er een hoop mensen in de rij staan om AI dingen te laten uitvogelen en er veel van dit soort 'baanbrekende' dingen gaan volgen.
Als een ander bedrijf met hun eigen AI hetzelfde gaat doen wordt het een wedstrijdje.
Wat een rare reactie. Ja, in de wetenschap is het zo dat degene die iets als eerste iets doet en daarover publiceert daar de credits voor krijgt.

Ook is het natuurlijk niet zo dat deze ontdekking onvermijdelijk zou zijn met de komst van AI. Het is niet alsof Hassabis en Jumper deze ontdekking hebben gedaan door een vraag te stellen aan ChatGPT of Gemini.

Dit is de uitkomst van het nauwkeurig bestuderen en modelleren van een onwijs gecompliceerd en tot voor kort onhandelbaar geacht probleem. Na veel experimenteren is daar uiteindelijk een model uitgekomen dat veel beter werkt dan alles wat daarvoor gekomen is. Dat is baanbrekend en daarvoor hebben ze een Nobelprijs gekregen.
In de toekomst zijn niet alleen programmeurs die vervangen kunnen worden maar ook simpele doktor taken... Als er genoeg geïnvesteerd wordt.
Edit : door AI

[Reactie gewijzigd door raro007 op 9 oktober 2024 18:31]

Gaat dat niet op voor alles wat bestaat uit het opzoeken en interpreteren van informatie? We hebben gewoon veel nutteloze taakjes verzonnen in de loop der tijd
Idd ik denk dat de markt over 10 jaar al veel zal veranderen..
Taken zijn niet nutteloos als er geen alternatief is. Dat alternatief begint nu langzamerhand te ontstaan, waardoor taken langzamerhand overbodig worden of sneller uitgevoerd.
Als je het mij vraagt is dit precies het tegenovergestelde van waar de prijs naar toe moet. Juist het deel van fundamenteel begrijpen “waarom?” wordt nu overgeslagen.
Het probleem met eiwitstructuren is dat de interacties zo complex zijn dat ze niet te voorspellen zijn met deterministische modellen. Er zijn teveel onderlingen interacties in zo'n structuur, die dan ook nog eens in verschillende omgevingen kan voorkomen, binnen de cel, in het celmembraan, buiten de cel, of een combinatie.
Als oud-student moleculaire biologie denk ik dat het best prima is om met dit soort modellen structuren te achterhalen. Ook omdat het achterhalen met experimenteel onderzoek soms verschrikkelijk lastig is, en ook slechts een matig model van de werkelijkheid. Een fantastische methode is bijvoorbeeld röntgen-kristallografie, als het je al lukt om je eiwit in grote hoeveelheden te produceren, en het stabiel is, dan moet je het nog in een kristalvorm krijgen, wat notoir moeilijk is. Dan moet het kristal van goede kwaliteit zijn, en kan je de structuur vrij precies ophelderen door het met röntgen te bestralen. Maar een kristalvorm is voor 99,999% van de eiwitten helemaal geen natuurlijke omgeving, en er moeten vaak best wat hulpgrepen aan te pas komen om hiermee de structuur te achterhalen.
Ik zeg toch ook niet dat het niet nuttig is? Ik zeg alleen dat ik niet vind dat het fundamenteel genoeg is. Het is een blackbox model waardoor je precies niet weet wat er gebeurt.
Wanneer kunnen we de eerste super hunans verwachten? :)
Wie kent folding@home nog? Dat werk zal nu wel nutteloos zijn geweest..

Op dit item kan niet meer gereageerd worden.