2024年诺贝尔化学奖授予了三位科学家，以表彰他们在计算蛋白质设计和结构预测领域的创新贡献。来自华盛顿大学的David Baker博士因其在计算蛋白质设计方面的研究获得了一半的奖金，而另一半奖金则共同授予了来自Google DeepMind的Sir Demis Hassabis博士和John M. Jumper博士，表彰他们通过AlphaFold在蛋白质结构预测领域的突破性工作。
今年获奖的发现可以追溯到大约65年前，当时科学家首次通过X射线晶体学确定了蛋白质的三维结构。然而，实验上确定蛋白质结构的过程极为繁琐，因为蛋白质的理论三维构象种类繁多，早期的预测模型基于概率计算，结果往往不够准确。
20世纪80年代末，科学家开始尝试de novo蛋白质设计，但复杂蛋白质的构建，如那些具有混合拓扑结构的蛋白质，依然是一个巨大的挑战。真正的突破发生在2003年，Baker及其团队利用他们在1999年开发的Rosetta计算程序，成功解决了蛋白质设计问题。他们预测了一个名为Top7的93个残基的α/β-蛋白的结构，并通过实验验证了这一设计。这项研究为病毒抑制剂、蛋白质传感器、纳米材料等领域的研究提供了新的可能性。
与此同时，科学家们继续努力提高蛋白质结构预测工具的准确性。1994年发起的关键蛋白质结构预测评估（CASP）挑战赛鼓励科学家使用最先进的方法预测未知蛋白质的结构，并将预测结果与通过X射线晶体学获得的真实结构进行比较。虽然这些挑战赛推动了该领域的发展，但多年来预测的准确性仍然有限。
2018年，随着AlphaFold的发布，这一情况发生了巨大变化。AlphaFold由Hassabis和Jumper开发，利用神经网络和深度学习算法，从蛋白质结构数据库中学习，并对新结构进行预测。到2020年，AlphaFold2的发布表明他们的团队已经成功解决了单体蛋白质结构的预测问题。
如今，AlphaFold及其后续版本被全球超过两百万用户广泛应用。例如，去年斯坦福大学、多伦多大学和Insilico Medicine的科学家们利用AlphaFold识别肝细胞癌（最常见的原发性肝癌）中一种新靶点的潜在治疗方法。今年5月，北卡罗来纳大学医学院、斯坦福大学、哈佛大学和加州大学旧金山分校的研究人员发表了一项研究，评估了AlphaFold2在生成蛋白质三维模型和预测配体活性方面的有效性。他们的结果表明，AlphaFold2生成的结构对药物研发具有重要价值。
此外，AlphaFold2还被用于预测约2亿种蛋白质的结构，这些结构被存储在一个数据库中，可用于挖掘塑料降解酶等应用，并帮助科学家更好地理解抗生素耐药性。今年，DeepMind团队还在《自然》杂志上发表了关于AlphaFold3扩展预测能力的详细内容。
除了诺贝尔奖，AlphaFold的开发者还获得了2023年生命科学领域的突破奖。
在今天的颁奖新闻发布会上，三位获奖者中只有Baker参加了现场活动。他表示自己“非常激动和荣幸”获得这一奖项。在回答记者提问时，Baker特别提到了一些对他研究有重要影响的科学家，例如1997年首次通过计算设计出小型蛋白质的Dahiyat和Mayo。他谦虚地表示：“我站在了巨人的肩膀上。”他还感谢了自己的同事和合作者的贡献。
Baker也高度评价了Hassabis和Jumper在AI领域的突破性工作，他认为他们开发的AlphaFold“让我们看到了AI的巨大潜力，这也促使我们将AI方法应用于蛋白质设计。这些AI方法比传统的科学模型更为强大。我对蛋白质设计如何让世界变得更美好充满了期待。”
编辑：周敏
排版：李丽
评论 (0)