Zrozumieć białka i wykorzystać tę wiedzę. O znaczeniu Nobla z chemii

W tym roku Nagrodę Nobla z chemii przyznano za „numeryczne projektowanie białek” oraz za „numeryczne przewidywanie struktury białek”. Co to tak naprawdę znaczy? Komentują dr inż. Paweł Borowiecki z Wydziału Chemicznego i prof. Tomasz Ciach z Wydziału Inżynierii Chemicznej i Procesowej. 

Nowe możliwości nie tylko w chemii

Komentarz dr. inż. Pawła Borowieckiego z Wydziału Chemicznego

Nagroda Nobla z chemii za 2024 rok została przyznana trzem naukowcom za ich przełomowe badania nad białkami. Prof. David Baker z Uniwersytetu Waszyngtońskiego został wyróżniony za projektowanie nowych białek przy użyciu narzędzi komputerowych, natomiast Demis Hassabis i John Jumper (współzałożyciele firmy DeepMind Technologies, obecnie Google DeepMind) za stworzenie modelu sztucznej inteligencji AlphaFold2, opartego na algorytmach sztucznych sieci neuronowych, który przewiduje struktury białek wprost z ich sekwencji aminokwasowych. 

Warto podkreślić, że program AlphaFold2 pozwala dokonywać predykcji trójwymiarowej struktury białka z dokładnością rzędu 90%, co w porównaniu z prototypami tego typu narzędzi używanych w latach 2000–2017, których dokładność nie przekraczała 40%, jest bardzo znamiennym osiągnięciem. W dużym uproszczeniu, dzięki zastosowaniu tego oprogramowania z prostej sekwencji nukleotydowej przepisanej na sekwencję aminokwasową można wygenerować strukturę białka bez konieczności jego krystalizacji, co w dużej mierze upraszcza oraz przyspiesza przeprowadzenie wielu żmudnych i czasochłonnych procedur laboratoryjnych. Odkrycia tegorocznych laureatów Nagrody Nobla otwierają nowe możliwości nie tylko w chemii, ale także mają pozytywny wpływ na współczesne osiągnięcia w biotechnologii i medycynie. Ponadto potencjał naukowy, jaki mają te narzędzia wykorzystywany jest obecnie przy projektowaniu wysoce specyficznych i selektywnie działających leków nowej generacji, tworzeniu nowych enzymów o udoskonalonych właściwościach katalitycznych, szczepionek, czy wielu innych materiałów funkcjonalnych, które m.in. powinny stanowić nowy impuls w walce z wieloma chorobami cywilizacyjnymi czy chociażby przy recyklingu odpadów polimerowych.

Jak funkcjonuje białko i jak to wpływa na nasze życie?

Komentarz prof. Tomasza Ciacha z Wydziału Inżynierii Chemicznej i Procesowej

We środę, 9 października Szwedzka Królewska Akademia Nauk ogłosiła przyznanie Nagrody Nobla w dziedzinie chemii. Przyznano ją za dwa połączone tematycznie osiągnięcia: za „numeryczne projektowanie białek” oraz za „numeryczne przewidywanie struktury białek”. Pierwszą część nagrody otrzymał David Baker z Uniwersytetu Waszyngtońskiego w Seattle w stanie Waszyngton USA. Drugą część nagrody otrzymali Demis Hassabis i John M. Jumper ze spółki DeepMind (spółka zależna Google), zajmującej się sztuczną inteligencją.

David Baker urodził się 6 października 1952 roku w Seattle (USA). Uważany jest za pioniera obliczeniowych metod projektowania oraz przewidywania trójwymiarowych struktur białek z wykorzystaniem sztucznej inteligencji. Od stworzenia pierwszego, niespotykanego w przyrodzie białka w 2003 roku, udało mu się stworzyć cały szereg nowych białek o wielu potencjalnych zastosowaniach. Jest też założycielem wielu firm biotechnologicznych. O roli prowadzonych przez niego badań w rozwoju medycyny najlepiej świadczy fakt, że w 2024 roku magazyn „Time” uznał go za jedną ze stu najbardziej wpływowych osób w dziedzinie badań nad zdrowiem.

Brytyjczyk Demis Hassabis urodził się 27 lipca 1976 roku, rozpoczynał karierę od projektowania gier komputerowych przy pomocy sztucznej inteligencji. Jest współzałożycielem brytyjsko-amerykańskiego laboratorium badawczego DeepMind (Google), zajmującego się sztuczną inteligencją, jest też współautorem algorytmu AlphaFold. Demis Hassabis jest też doradcą rządu Wielkiej Brytanii w dziedzinie rozwoju technologii AI.

John Michael Jumper urodził się w 1981 roku w Little Rock w USA. Wraz z Demisem Hassabisem stworzyli algorytm oparty techniki sztucznej inteligencji AlphaFold – model, który pozwala przewidywać trójwymiarowe struktury białek na podstawie sekwencji ich aminokwasów. W 2021 roku czasopismo „Nature” zaliczyło go do dziesiątki najbardziej znaczących osób w nauce. Obecnie John Jumper pracuje w DeepMind w Londynie. 

W 2020 roku Demis Hassabis i John Jumper zaprezentowali model AI o nazwie AlphaFold2. Dzięki niemu byli w stanie przewidzieć strukturę trójwymiarową praktycznie wszystkich znanych białek. Od czasu ich przełomu AlphaFold2 był używany przez ponad dwa miliony naukowców ze 190 krajów. Główni autorzy algorytmu AlphaFold szybko zaczęli być wymieniani jako liczący się kandydaci do nagrody Nobla. Publikacja na temat algorytmu AlphaFold w „Nature” w 2020 roku cytowana była ponad 13 tys. razy. O wielkości tego osiągnięcia najlepiej świadczy to, że spośród około 61 mln wszystkich publikacji naukowych tylko około 500 było cytowanych więcej jak 10 tys. razy.

Generalnie, Nagrodę Nobla z chemii w tym roku przyznano za zastosowanie algorytmów sztucznej inteligencji do przewidywania struktury trójwymiarowej białek i do projektowania sekwencji aminokwasów, by określoną strukturę trójwymiarową uzyskać. Na czym polega wielkość nagrodzonych badań? Otóż białka są podstawowym budulcem życia, jakie znamy na Ziemi. Nie tylko budują mechaniczne struktury tego życia, jak ludzką skórę, włosy, mięśnie, są składnikiem wszystkich żywych struktur na Ziemi, ale są mikroskopijnymi działającymi maszynami, prawdziwymi nanorobotami, jakie wprawiają to życie w ruch. Białka dają życiu energię i sprawiają, że życie funkcjonuje tak, jak je znamy, czyli żyje na swoim najniższym molekularnym poziomie. Białka nie tylko są cegiełkami życia. To również enzymy, dzięki którym zachodzą wszystkie procesy chemiczne w naszym organizmie. Białka są wytwarzane przez inne białka – rybosomy, które zamieniają cyfrowy kod naszego DNA w szereg chemicznie połączonych aminokwasów. Liniowa struktura wytwarzanego białka pod wypływem oddziaływania z cząsteczkami wody i odziaływań, jakie występują pomiędzy poszczególnymi aminokwasami, zamienia się w strukturę trójwymiarową. Dopiero taka struktura prezentuje funkcjonalne cechy danego białka: m.in. katalizuje reakcje chemiczne, czy mechanicznie napędza wici bakterii i ludzkie mięśnie. 

Choć stosunkowo dawno nauczyliśmy się poznawać kolejność aminokwasów w takiej liniowej strukturze, a nawet sami syntetyzować łańcuchy aminokwasów, to przewidywanie, jak będzie wyglądała struktura trójwymiarowa, było bardzo trudne, a w przypadku większych białek wręcz niemożliwe. Wymagało obliczania oddziaływań pomiędzy wszystkimi aminokwasami łańcucha oraz milionami cząsteczek wody, jakie je otaczają, aby przewidzieć zachowanie łańcucha aminokwasów w wodzie. Nieraz symulacje komputerowe milisekund procesu fałdowania białka kosztowały wiele dni obliczeniowych superkomputerów, a często były wręcz niemożliwe. Znajomość trójwymiarowej struktury pozwala zrozumieć, jak białko funkcjonuje, zrozumieć, jak oddziałuje z nim cząsteczka chemiczna, na przykład leku, a dalej pozwala zaprojektować taki lek, by działał jeszcze lepiej albo działał na nowe białka czy w innym miejscu danego białka. Wiedza ta pozwoli też lepiej zapobiegać zjawisku lekooporności bakterii i pozwoli też znaleźć nowe antybiotyki, na które bakterie nie są jeszcze oporne. Możliwość projektowania nowych białek pozwoli nie tylko na otrzymywanie nowych leków, ale też na produkcję nowych enzymów katalizujących proces rozkładu opakowań plastikowych czy innych odpadów, jakie wytwarza nasza cywilizacja. Pozwoli na opracowanie nowych metod wytwarzania żywności czy czystej energii, a w przyszłości może pozwolić na udoskonalenie samego życia, poprawę wydajności roślin jak i być może w przyszłości poprawę budowy nas samych…