NexTutor
Wirtualne laboratorium/Chemia/Biochemia/AlphaFold — przewidywanie struktury białek
Nobel 2024 — Hassabis, Jumper, Baker

AlphaFold — przewidywanie struktury białek

Karta opisowa (rozszerzenie poza program) — model AlphaFold2 (Hassabis, Jumper, 2020) przewiduje trójwymiarową strukturę białka na podstawie samej sekwencji aminokwasów — problem, nad którym naukowcy bezskutecznie pracowali od lat 70. XX w. To przełom dla biologii strukturalnej i projektowania leków. David Baker poszedł w drugą stronę — projektuje zupełnie nowe białka o zadanych właściwościach, nieistniejące w naturze (Nobel chemia 2024, podzielony między Hassabisa i Jumpera oraz Bakera).

Chemia · Biochemia · AlphaFold — przewidywanie struktury białek (Nobel chemia 2024)
Karta opisowa
Pewność predykcji AI cc (im wyżej, tym pewniejszy model AlphaFold co do struktury)35 %
pewność AI
35%
uporządkowanie
0.35
błąd modelu (poj.)
8.2 Å

Problem sprzed 50 lat: jak białko „wie", jak się zwinąć?

Białko to łańcuch aminokwasów połączonych w ściśle określonej kolejności (struktura pierwszorzędowa). W komórce łańcuch ten w ułamku sekundy sam zwija się w skomplikowaną, trójwymiarową bryłę (strukturę trzeciorzędową) — tak jak w symulacji powyżej, gdzie rozciągnięty „sznur" aminokwasów zwija się w stabilną spiralę w miarę wzrostu suwaka. Od lat 70. XX w. naukowcy próbowali przewidzieć ten kształt wyłącznie na podstawie sekwencji, ale liczba możliwych sposobów ułożenia łańcucha jest astronomicznie duża — eksperymentalne wyznaczanie struktur (krystalografia rentgenowska, kriomikroskopia elektronowa) jest powolne i kosztowne.

Przełom: AlphaFold2 (2020)

Demis Hassabis i John Jumper (DeepMind) zbudowali sieć neuronową AlphaFold2, która na podstawie samej sekwencji aminokwasów przewiduje trójwymiarową strukturę białka z dokładnością zbliżoną do metod eksperymentalnych. Model uczył się na tysiącach znanych struktur i nauczył się rozpoznawać, które fragmenty sekwencji sąsiadują ze sobą w przestrzeni — nawet jeśli w łańcuchu dzielą je dziesiątki aminokwasów. To radykalnie przyspieszyło biologię strukturalną, projektowanie leków i biotechnologię.

Druga połowa Nobla: białka projektowane od zera

David Baker poszedł „w drugą stronę" — zamiast przewidywać strukturę istniejących białek, projektuje zupełnie nowe białka o zadanych właściwościach, które nie występują w naturze. Takie białka obliczeniowe testuje się już jako potencjalne leki, szczepionki, enzymy przemysłowe, czujniki molekularne i nanomateriały.

Nagroda Nobla z chemii 2024

Nagrodę podzielono: połowę otrzymał David Baker „za projektowanie białek obliczeniowe", a drugą połowę wspólnie Demis Hassabis i John Jumper „za przewidywanie struktury białek" — za stworzenie modelu AlphaFold2.

Po co Ci to na maturze:

To bezpośrednie rozwinięcie tematu białek: sekwencja aminokwasów (struktura I-rzędowa) determinuje sposób zwijania łańcucha (struktura III-rzędowa), a kształt białka determinuje jego funkcję biologiczną (np. enzym pasuje do substratu jak klucz do zamka). AlphaFold to współczesny przykład na to, że znajomość sekwencji pozwala przewidzieć funkcję — dokładnie ta zasada, którą testuje się na maturze z biologii i chemii przy zadaniach o białkach.

Zapamiętaj: struktura I-rzędowa (sekwencja aminokwasów) determinuje strukturę III-rzędową (kształt 3D), a ta — funkcję białka. AlphaFold2 (Hassabis, Jumper) przewiduje ten kształt z sekwencji; Baker projektuje nowe białka od podstaw — Nobel z chemii 2024.

Model poglądowy · Wirtualne laboratorium NexTutor

Najczęstsze pytania

Co przewiduje AlphaFold?

Trójwymiarową strukturę przestrzenną białka na podstawie samej sekwencji aminokwasów.

Dlaczego to było tak trudne?

Bo liczba możliwych sposobów zwinięcia łańcucha aminokwasów jest astronomicznie duża, a naukowcy próbowali to rozwiązać od lat 70. XX w.

Czym zajmuje się David Baker?

Projektowaniem zupełnie nowych białek o zadanych właściwościach, nieistniejących w naturze.