Нобелівський тиждень 2024: хімія

Аутоімунні хвороби, онкологія, Альцгеймер з Паркінсоном – перемога над ними стала ближче

Нобелівську премію з хімії отримають троє лауреатів за різні технології, але поєднує їх білок. Тепер його дослідження й конструювання – справа хвилин.

Наука – річ важко передбачувана: вчорашні революційні винаходи сьогодні заперечуються новими. Так сьогодні нобелівську премію з хімії отримують ті, хто перекреслили потребу у винаході колишніх нобелівських лавреатів. 

Виходить, що Нобелівка 1962 року за винахід рентгенівської кристалографії білка вже втратила свою революційність. Оскільки у 2024 році науковцям не треба витрачати техніку, час і місяці (а то й роки) роботи. Відтепер все вирішують кілька годин і відкритий код, завдяки якому можна отримати всю інформацію про конкретний білок. Тож Нобелівські премії з хімії вручались у різні роки, але поєднує їх малий і складний елемент життя – білок. Основа всього живого на Землі.

Третій день Нобелівського тижня приніс перемогу трьом дослідникам, які працюють над розшифруванням і конструюванням білків. Працюють у різних галузях – від програмування до філософії та біохімії. Та й їхні винаходи мають різні спрямування. Як зазначає Нобелівський комітет: «Хіміки давно мріяли повністю зрозуміти й оволодіти хімічними інструментами життя – білками. Тепер ця мрія здійснилася. Цьогорічні лауреати успішно використали штучний інтелект, щоб передбачити структуру майже всіх відомих білків. І навчились освоювати будівельні блоки життя та створювати абсолютно нові білки. Потенціал їхніх відкриттів величезний».

Половина призу, а це загалом майже мільйон доларів, дістанеться Демісу Хассабісу та Джону Джамперу. Ці науковці завдяки ШІ (штучному інтелекту) змогли розв'язати проблему, над якою хіміки билися понад 50 років. Вони розробили програму, яка здатна передбачити тривимірну структуру білка на основі послідовності амінокислот.  Це дозволило їм передбачити структуру майже всіх 200 мільйонів (!) відомих білків. 

Другу половину премії отримує Девід Бейкер. Він розробив комп’ютеризовані методи для досягнення того, що багато людей вважали неможливим: створення білків, яких раніше не існувало і які, у багатьох випадках, мають абсолютно нові функції.

Отже, про революційну програму AlphaFold2 

Робота над розшифруванням складної й важливої структури білка, в якому поєднуються певні амінокислоти (яких аж 20) почалася ще до комп’ютерної ери. А вже у 60-х, здавалося, рухатися далі неможливо, глухий кут. Завдяки комп’ютерам кут посунули, але не надовго. До 2000-х, коли науковий світ переживав нову кризу через неможливість працювати з величезними масивами даних. Чергові розчарування і… майбутні нобелівські лавреати, які змогли застосувати програми, комп’ютерне навчання (привіт вчорашнім нобелівським лавреатам, які навчили вчитись нейромережі) й не просто розшифрувати, ще й почати створювати нові форми білків, фактично заміняючи Бога, формувати нові білкові структури.

Протягом тривалого часу для вивчення білків використовували складні та довготривалі методи, як-от рентгенівську кристалографію. У 2018 році команда DeepMind під керівництвом Деміса Хассабіса таки досягла успіху в передбаченні структур білків. До цього це вважалося майже неможливим. 

Програма AlphaFold та її другий варіант AlphaFold2, який перевершив усі попередні версії за допомогою ідей Джона Джампера показала виняткову точність розшифрування структури кожного білка. Темних плям у прогнозуванні й розумінні білків вже не повинно бути.

Цей прорив відкриває багато практичних можливостей. Вчені зможуть швидко створювати моделі білкових структур, що суттєво спростить дослідження ліків, вивчення вірусів та бактерій, а також розробку нових біотехнологій.

Навіть більше – Google DeepMind зробили код для AlphaFold2 загальнодоступним, і зараз кожен може отримати до нього доступ. Як твердять у Нобелівському комітеті – до жовтня 2024 року AlphaFold2 використовували понад два мільйони людей зі 190 країн. Раніше для отримання білкової структури часто потрібні були роки, якщо вона взагалі була отримана. Тепер це можна зробити за кілька хвилин. 

Чим важлива ця технологія? 

Лікування генетичних захворювань: Прогнозування структури білка може допомогти у виявленні аномалій у його складі та формі, що характерні для генетичних захворювань, як-от кістозний фіброз або хвороба Хантінгтона. Це полегшить розробку таргетованих терапій, спрямованих на конкретні білкові структури, які викликають хворобу.

Розробка противірусних і протибактеріальних препаратів: Знання структури білків вірусів та бактерій допомагає вченим створювати препарати, що блокують процеси, які дозволяють патогенам виживати й розмножуватись. AlphaFold, наприклад, вже використовували для дослідження білків SARS-CoV-2, що допомогло в розробці ліків та вакцин проти COVID-19.

Лікування онкологічних захворювань: Багато форм раку пов'язані з мутаціями в певних білках, які призводять до неконтрольованого росту клітин. Знання структури цих мутованих білків може допомогти створити ліки, що заблокують їхню активність, зупиняючи поширення раку.

Нейродегенеративні захворювання: Хвороби, як-от Альцгеймера та Паркінсона, також можуть мати корені в структурних порушеннях білків, наприклад, накопиченні білкових «згустків» у мозку. AlphaFold допомагає дослідникам розібратися в цих структурних особливостях, що може сприяти створенню ліків, які перешкоджатимуть накопиченню таких білків.

Деміс Хассабіс (DEMIS HASSABIS), народився 1976 року у Великій Британії (Лондон), шахіст із чотирьох років. Підлітком почав кар'єру програміста та успішного розробника ігор, далі почав досліджувати штучний інтелект і взявся за нейронауку, де зробив кілька революційних відкриттів. У 2010 році він став співзасновником DeepMind, компанії, яка розробила моделі ШІ для популярних настільних ігор. Компанію було продано Google у 2014 році, а через два роки DeepMind привернула світову увагу, коли компанія досягла того, що багато хто тоді вважав неможливим для штучного інтелекту: перемогла людину-чемпіона в одній із найстаріших у світі настільних ігор Go (фото bloomberg.com) 

Джон Джампер (JOHN M. JUMPER), народився 1985 року в США. Вивчав фізику та математику. У 2008 році почав працювати в компанії, яка використовувала суперкомп’ютери для моделювання білків та їх динаміки, хоча у 2011 році почав писати докторську дисертацію з теоретичної фізики. Але саме тоді він зрозумів, що знання фізики можуть допомогти розв'язати медичні проблеми. Щоб заощадити потужність свого комп’ютера, почав розробляти простіші методи моделювання білка. Після докторського ступеня у 2017 році почув про DeepMind і надіслав їм резюме. Не лише отримав роботу, а й підвищення й докорінно реформував модель ШІ (фото abc.es).

Девід Бейкер (DAVID BAKER), народився 1962 в США, білковий конструктор. Починав навчання у Гарвардському університеті, обрав філософію та соціальні науки. Доктор наук (PhD) 1989. Однак під час курсу еволюційної біології прочитав перше видання тепер уже класичного підручника «Молекулярна біологія клітини». Це змінило його життя. Він почав досліджувати клітинну біологію і зрештою захопився білковими структурами. У 1993 році почав працювати керівником групи в Університеті Вашингтона в Сіетлі, почав досліджувати, як згортаються білки. Це дало Бейкеру знання, які він взяв із собою, коли наприкінці 1990-х років почав розробляти комп’ютерне програмне забезпечення Rosetta, що могло передбачати структури білків (фото www.ipd.uw.edu). 

Нова спеціальність – конструктор білків

Перелік природних білків великий, але все ж обмежений. Щоб збільшити потенціал для отримання білків з абсолютно новими функціями, дослідницька група Бейкера хотіла створити їх з нуля. Наприклад, послідовність з амінокислот, яка б могла розщеплювати пластик. Спеціальність білкового конструктора тоді навіть уявити було складно.

Програма Rosetta, створена нобелівським лауреатом Девідом Бейкером, має велике значення для наукових досліджень у сфері біохімії. Rosetta розв'язує так звану «проблему передбачення структури білків», що значно полегшує дослідження їхньої тривимірної форми та взаємодій. Винахід Бейкера зробив можливим створення нових білкових сполук, яких немає в природі, але які можуть мати важливі медичні та промислові застосування.

Практичний вплив Rosetta та приклади втілень

Біомолекули для біотехнологій та промисловості: Rosetta використовується для створення нових ферментів, які можуть розкладати складні органічні сполуки чи навіть полімери, як-от пластик. Це відкриває шлях до створення екологічно чистих технологій для очищення навколишнього середовища.

Білки для імунної терапії: Rosetta використовується для розробки білкових структур, що допомагають посилити імунітет або спрямовувати імунні клітини безпосередньо на пошкоджені ділянки тіла, як-от пухлини, наприклад. Це також допомогло в розробці препаратів, які блокують активність певних вірусів чи бактерій. 

Конструктор білків для терапії: Rosetta дозволяє створювати білки, що можуть бути використані як «таргетовані терапії». Можна змоделювати білки, які будуть специфічно атакувати клітини раку або блокувати шкідливі молекулярні процеси. Наприклад, створено новий клас білків-інгібіторів, які прицільно впливають на мутації, що викликають рак.

За матеріалами пресрелізу Нобелівського комітету

Ярина Скуратівська, Київ