Нобелевскую премию по химии 2024 года вручили Бейкеру, Хассабису и Джамперу
Когда Нобелевский комитет объявил лауреатов премии по химии 2024 года в чатах химиков раздался вздох разочарования. “Наверное, самая незаслуженная Нобелевская премия за многие годы” написал один из экспертов. “Химическая Нобелевка тоже ушла айтишникам” сетовал другой (“тоже ушла…” это потому что премию по физики этого года дали за открытие методов машинного обучения с использованием искусственных нейронных сетей). Получается балом во всех науках сегодня правят айтишники?
Официальное сообщение Нобелевского комитета гласит: премию дали Дэвиду Бейкеру (США) "за вычислительный дизайн белка", а также британцам Демису Хассабису и Джону Джамперу "за предсказание структуры белка". За комментарием мы обратились к Артему Митрофанову, заведующему лабораторией интеллектуального и химического дизайна химического факультета МГУ.
Американскому ученому Дэвиду Бейкеру вручена Нобелевская премия по химии.
Британцы Демис Хассабис и Джон Джампер.
— Артем Александрович, действительно ли химиков обидели, или просто химия сегодня стала такой, что и здесь без искусственного интеллекта — никуда.
— Скорее, второе утверждение ближе к истине. По сути дела Нобелевку по химии дали за разработку AlphaFold — программы на базе искусственного интеллекта, которая предсказывает пространственную структуру белка. Думаю, тут нет ничего обидного для химиков, это действительно прорыв в биохимии, я даже не знаю, что можно поставить вровень с этим. Как только я узнал, что AlphaFold попала в шорт-лист, она стала моим фаворитом. Считаю, что Нобелевскую премию ее разработчики получили абсолютно заслуженно.
— Можете простыми словами объяснить, в чем суть открытия? Есть такое вульгарное объяснение: раньше лекарства создавали методом научного тыка, а теперь их свойства можно предсказать в компьютерной программе?
— Да, в первую очередь это открытие подстегнуло разработку лекарственных препаратов. AlphaFold позволяет предсказать структуру белков на основании последовательности аминокислот. Из школьной программы известно, что у белков есть первичная, вторичная и третичная структура. Первичная — это последовательная цепочка аминокислот, ее можно сравнить со строчкой букв. А третичная — это когда эта “строчки” сворачивается в трехмерную структуру. От того, как свернулись “строчки” зависят свойства белков. Когда вы разрабатываете новые лекарство, вам необходимо знать третичную структуру белка, чтобы подобрать молекулы, которые будут с ним связываться. Распознавать структуру белка экспериментально — это долго, сложно и дорого. Но оказалось: то, как белки свернуться — можно предсказать.
Click here to preview your posts with PRO themes ››
И программа AlphaFold позволяет за короткое время с очень хорошей точностью предсказать структуры для огромного количества белков. И это естественно дало мощный толчок, для развития биохимии и фармацевтики.
— Обычно нобелевская награда находит героя спустя несколько десятилетий после совершения открытия, когда он является уже очень пожилым человеком…
— К счастью в данном случае это не так. AlphaFold это совсем свежая программа, выпущена несколько лет назад, и свою долю славы и финансового успеха разработчики получили в достаточно бодром возрасте( Джону Джамперу исполнилось 40 лет, Демису Хабассису — 48 лет, Дэвиду Бейкеру — 62 года — Ред).
— Накануне Нобелевской недели в журнале Nature было опубликовано небольшое исследование, авторы составили усредненный портрет нобелевского лауреата. Вы должны быть ученым-мужчиной из Северной Америки или переехать туда, если живете в другом месте. Вы должны работать в лаборатории, из которой уже вышел другой Нобелевский лауреат. Примерно 20-30 лет с момента открытия вам нужно подождать пока его оценят. И как правило, вы должны быть готовы разделить премию с другими коллегами, которые работают в этой области. Получается время гениальных одиночек прошло, для них в современной науке места уже не осталось?
— Действительно, классическая схема, когда тебя внезапно озаряет гениальная идея или во сне является таблица Менделеева сейчас плохо работает. Хорошие, мощные проекты делаются командами, за которыми стоят сильные лаборатории, а часто и более крупные исследовательские центры. Уж не знаю, хорошо это или плохо, но это так.