تحقیقات بر روی ساختار و طراحی پروتئین برنده جایزه نوبل شیمی سال 2024 شد

و درست همانطور که شکل کلید تعیین می کند که کدام قفل را می تواند باز کند، شکل پروتئین نیز بر نقش آن در بدن تأثیر می گذارد. Johan Åqvist، یکی از اعضای کمیته نوبل شیمی در این کنفرانس خبری گفت: «برای اینکه بفهمید پروتئین ها چگونه کار می کنند، باید بدانید که چگونه به نظر می رسند. این کاری است که برندگان جایزه امسال انجام داده اند.»

در سال 1998، David Baker، بیوشیمیدان دانشگاه واشنگتن در سیاتل، و همکارانش یک برنامه کامپیوتری به نام Rosetta  را ارائه کردند که می‌توانست یک توالی اسید آمینه کوتاه  را بگیرد و پیش‌بینی کند که ساختار سه بعدی پروتئین حاصل چگونه خواهد بود. اما موفقیت واقعی در سال 2003 زمانی رخ داد که تیم  Baker  این ایده را تغییر داد. آنها یک پروتئین سه بعدی ساخته شده را ترسیم کردند – چیزی که در طبیعت وجود نداشت – و از Rosetta خواستند تا دنباله آمینو اسیدی بسازد که در آن ساختار جمع شود.

نتیجه موفقیت آمیز بود. هنگامی که تیم Baker توالی اسید آمینه را در آزمایشگاه سنتز کرد، درست مانند آنچه Rosetta پیش‌بینی کرده بود، به پروتئین تبدیل شد. از آن زمان، Baker مجموعه‌ای از پروتئین‌های طراح را ایجاد کرده است، از جمله پروتئینی که می‌تواند فنتانیل را در محیط حس کند و دیگری که ویروس کرونا را مسدود می‌کند.

Åqvist گفت: «David Baker دنیای کاملاً جدیدی از ساختارهای پروتئینی را باز کرد که قبلاً ندیده بودیم. “تقریباً گویی فقط تخیل شما برای کارهایی که می توانید انجام دهید حد و مرز تعیین می کند.”

Leslie Vosshall، عصب شناس، می گوید که از روزتا در آزمایشگاه خود در دانشگاه راکفلر در شهر نیویورک استفاده کرده است. او می‌گوید: «این الگوریتم‌های نرم‌افزاری توانایی همه دانشمندان را برای انجام کارشان تسریع کرده‌اند. آنچه که قبلاً چندین دهه یا برای همیشه طول می کشید، اکنون می تواند یک دقیقه طول بکشد.” Vosshall همچنین معاون مؤسسه پزشکی هوارد هیوز است که Baker محقق آن است.

سهم Demis Hassabis و John Jumper از جایزه از پیشرفت‌های پیش‌بینی ساختار پروتئین ناشی می‌شود. در سال 2016، دانشمندان کامپیوتر، هر دو در DeepMind گوگل در لندن، پیش از این به دلیل ایجاد یک برنامه کامپیوتری که قهرمان جهان را در بازی استراتژیک Go شکست داد، در سراسر جهان به شهرت رسیده بودند.

دو سال بعد، آنها از هوش مصنوعی خود برای حل یک مشکل پیچیده تر استفاده کردند. مدل هوش مصنوعی این دو به نام AlphaFold می‌تواند ساختارهای پروتئینی را از توالی اسیدهای آمینه با دقت تقریباً 60 درصد پیش‌بینی کند – بسیار بیشتر از آنچه قبلاً به دست آمده بود.

Åqvist می گوید که این  یک گام به جلو بود، اما نسخه دوم مدل، AlphaFold2، حتی بهتر بود. این می تواند نتایجی را تقریباً مانند روش استاندارد طلایی برای کشف ساختارهای پروتئینی، یک تکنیک آزمایشگاهی به نام کریستالوگرافی اشعه ایکس، ارائه دهد.