图:得奖成果
2024年诺贝尔化学奖一半授予贝克,以表彰其在计算蛋白质设计方面的贡献;另一半共同授予哈萨比斯和江珀,以表彰他们在蛋白质结构预测方面的贡献。2003年,贝克成功构建了一种全新的蛋白质。此后,他的研究团队构建了一种又一种蛋白质,可应用于製药、疫苗、纳米材料等多个领域。2020年,哈萨比斯和江珀开发出名为AlphaFold2的人工智能(AI)模型,能够预测大约2亿种已知蛋白质的复杂结构,可以帮助研究人员更好地了解抗生素抗药性、构建分解塑胶的酶的图像等。全球已有超过200万人使用该模型。
戴维.贝克(David Baker)
1962年出生于美国西雅图,1989年获加州大学伯克利分校博士学位,现为美国华盛顿大学教授。
德米斯.哈萨比斯(Demis Hassabis)
1976年出生于英国伦敦,2009年获伦敦大学学院博士学位,谷歌DeepMind创始人之一兼行政总裁,亦是AlphaGo之父。
约翰.江珀(John M. Jumper)
1985年出生于美国阿肯色州小石城,2017年获芝加哥大学博士学位,现为谷歌DeepMind资深科学家。
贝克团队构建的部分蛋白质
2016年
多达120个蛋白质连接在一起,构成新的纳米材料
2017年
•可与芬太尼(紫色部分)结合的蛋白质,用于检测环境中的芬太尼
2022年
•可充当分子转子(人工分子机器的重要构件)的蛋白质
2021年
•模拟流感病毒的蛋白质(绿色)附着在纳米颗粒(黄色)上,可用于制作流感疫苗
2024年
•可用于制造微型感测器的蛋白质
AlphaFold2工作原理
1.接收新数据并检索数据库
•AlphaFold2的训练数据库包含所有已知氨基酸序列及已确定的蛋白质三维结构。向该模型输入一种未知结构蛋白质的氨基酸序列,它便会检索数据库,找出所有类似的氨基酸序列和蛋白质结构。这些氨基酸序列通常来自不同物种。
2.分析氨基酸序列
•该模型将找到的氨基酸序列排列在一起,分析哪些部分在进化过程中得以保留、哪些氨基酸之间存在相互作用。相互作用的氨基酸会协同进化。通过分析,该模型预测出未知蛋白质结构中不同氨基酸之间的距离。
•该模型进行迭代计算,不断完善对氨基酸序列的分析。
3.AI迭代计算
•基于以上计算结果,该模型预测出蛋白质结构。
4.得出蛋白质结构预测
来源:诺贝尔奖官网