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).

AlphaFold — przewidywanie struktury białek
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
🎯 Wyzwanie: prawda czy fałsz?
seria: 0

Dam Ci zdanie o AlphaFold i strukturze białek — oceń, czy jest prawdziwe.

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

Spodobał Ci się eksperyment? Udostępnij go.

Jest darmowy — podeślij znajomym ze szkoły.

Teoria i wzory

Problem zwijania białek

Sekwencja aminokwasów (struktura I-rzędowa) jednoznacznie określa trójwymiarowy kształt białka, ale liczba możliwych sposobów zwinięcia łańcucha jest astronomicznie duża. Dlatego przewidzenie struktury 3D z samej sekwencji było nierozwiązanym problemem od lat 70. XX w.

AlphaFold

Model AlphaFold2 (D. Hassabis, J. Jumper, 2020) wykorzystuje sztuczną inteligencję, by przewidzieć strukturę przestrzenną białka z samej sekwencji aminokwasów — z dokładnością bliską metodom doświadczalnym. To przełom dla biologii strukturalnej i projektowania leków.

Projektowanie białek

David Baker poszedł w odwrotną stronę — projektuje zupełnie nowe białka o zadanych właściwościach, nieistniejące w naturze. Za te osiągnięcia przyznano Nobla z chemii 2024.

To karta opisowa — przedstawia ideę i znaczenie metody, bez wzorów.

Uczysz? Umieść ten eksperyment na swojej stronie.

Darmowy widget — wklej na stronę szkoły, bloga lub notatki. Linkuje do pełnej wersji.

Uczysz w klasie albo korepetujesz? Prowadź uczniów w 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.