Článek
Článek si také můžete poslechnout v audioverzi.
Nobelova cena za chemii byla v letošním roce udělena za vývoj umělých proteinů a za predikci trojrozměrných struktur proteinů. Laureáty jsou americký biochemik a počítačový biolog David Baker a počítačoví vědci Brit Demis Hassabis a Američan John Jumper, odborníci na strojové učení a umělou inteligenci.
Proteiny neboli bílkoviny patří mezi základní stavební prvky buněk, bez kterých by nemohl existovat život v takové formě, jak jej známe na naší planetě. Složeny jsou z dvaceti druhů aminokyselin. Ty jsou za sebou spojeny do řetězců o délce desítek, stovek, v extrémních případech až tisíců jednotek. Každý protein má unikátní pořadí aminokyselin, které ve výsledku určuje, jakou funkci bude plnit.
Na rozdíl o jiných řetězcových biomolekul, tzv. polymerů, jako jsou například polysacharidy nebo DNA, se proteiny skládají do složitých trojrozměrných struktur rozmanitých tvarů. A pouze správně složený protein může vykonávat úlohu, kterou má. Tvary proteinů jsou přímo určené pořadím jejich aminokyselin a pro jejich vytvoření není v podstatě zapotřebí žádné další informace. Skládání proteinů v buňkách je navíc nepředstavitelně rychlé – probíhá v řádech milisekund.
O to víc překvapující je, že přijít na způsob, jak poměrně spolehlivě předpovědět 3D struktury proteinů z pořadí jejich aminokyselin, trvalo vědcům i přes nemalé úsilí více než 50 let. Průlom přišel až v posledních pěti letech a může za něj zejména využití umělé inteligence. Za úspěchem stojí výzkumná iniciativa DeepMind, dnes patřící pod korporaci Google, která byla založena v roce 2010 čerstvým nobelistou Demisem Hassabisem a jeho kolegy.
Původní smysl společnosti nijak nesouvisel s biomolekulami. Prvním cílem bylo studovat a vylepšovat schopnosti umělé inteligence na modelu počítačových her. Až později se společnost rozhodla zapojit do soutěže, v níž se jednotlivci, výzkumné skupiny či celá konsorcia snaží co nejlépe předpovědět struktury několika proteinů. Jejich modely se následně porovnávají se skutečnými, experimentálně stanovenými, strukturami. Čím větší podobnost mezi predikovanou a experimentální strukturou, tím větší úspěch.
Od roku 1994, kdy se soutěž každé dva roky pořádá, nebyly pokroky nijak závratné. V letech 2018 a 2020 přišel však DeepMind s nástrojem AlphaFold a následně jeho druhou, vylepšenou, verzí a vše se změnilo. Ve velké většině případů dokázal AlphaFold předpovědět proteinové struktury s přesností, která se blížila experimentálním metodám.
AlphaFold byl vyvinut pod vedením Johna Jumpera jako zcela nový algoritmus založený na neurálních sítích a strojovém učení. Algoritmus „nastudoval“ celou databázi do té doby známých proteinových struktur, tedy asi 120 tisíc záznamů, a na základě této znalosti a porovnávání koordinovaných změn aminokyselin v příbuzných proteinech – tzv. koevoluce – je schopen předpovědět uspořádání v prostoru s pozoruhodnou přesností.
AlphaFold se okamžitě a zcela zaslouženě stal naprostým hitem v široké vědecké komunitě. Díky němu dnes víme, jak vypadají veškeré proteiny v lidském těle, ale také v buňkách dalších 47 organizmů. A jako lusknutím prstů můžeme získat představu o struktuře jakéhokoliv dalšího proteinu, což bylo v éře před AlphaFoldem možné jen prostřednictvím extrémně časově i finančně náročných experimentů. A jakmile víme, jak konkrétní protein vypadá, můžeme zjistit, co a jak dělá. Predikce proteinových struktur mají mnoho uplatnění jak v biologii, tak v medicíně. Pomáhají například určit proteiny mikrobiálních i virových patogenů, které by mohly sloužit jako cíle léčiv. Díky pokrokům v poslední době se zdá, že by AlphaFold a jím inspirované nástroje mohly molekuly použitelné jako léky i přímo navrhovat a virtuálně testovat.
Poslední letošní laureát za chemii, David Baker, je průkopníkem ve vytváření umělých proteinů. Zjednodušeně, navrhuje pořadí aminokyselin tak, aby po jejich spojení do řetězce došlo k uspořádání v prostoru tak, aby vzniklý protein plnil konkrétní funkci. Je libo citlivý biosenzor fungující na principu čichového receptoru, který umožní rozpoznávat molekuly (např. biomarkery nemocí nebo znečištění v prostředí) v extrémně malé koncentraci? Nebo nanopór, který se otevírá a zavírá v závislosti na přítomnosti určité malé molekuly nebo při změně pH? Nebo umělý protein, který umí nasměrovat kmenové buňky k přeměně na krevní cévy? Případně textilii se speciálními vlastnostmi složenou pouze z aminokyselin? To vše jsou objevy Bakerovy skupiny jen za poslední rok. Jak je vidět, design proteinů má velký potenciál pro uplatnění v medicíně, biotechnologiích i průmyslu.
Alespoň v případě predikce proteinových struktur se jedná o jednu z nejrychleji udělených Nobelových cen. Od zveřejnění druhé verze AlphaFoldu uplynuly méně než čtyři roky. I to ukazuje na význam tohoto objevu, nebo přesněji řečeno nástroje.
Na závěr stojí za zmínku, že letošní Nobelova cena za chemii má i výraznou českou stopu – členem týmu, který stojí za vznikem a pokroky AlphaFoldu, a spoluautorem všech zásadních vědeckých článků, které k ocenění vedly, je i český vědec Augustin Žídek.
