Nobelprisen i kjemi
I oktober 2024 mottok David Baker, Demis Hassabis og John M. Jumper Nobelprisen i kjemi for sitt arbeid med å forutsi proteinstrukturer ved hjelp av kunstig intelligens. I årets nobelfordrag for kjemi presenterte Andreas Haraldsrud hvorfor proteiner er så viktige, og hva den nyskapende forskningen på proteiner kan bidra til.
Hvordan gjør de det, og hvorfor?
Haraldsrud forklarte at proteiner spiller en avgjørende rolle i kroppens funksjoner. Mange forbinder mat og muskler med proteiner, men de er så mye mer. De er byggesteiner for muskler, hår og negler, sørger for transport gjennom blodet og inn og ute av cellene, og fungerer som enzymer som katalyserer kjemiske reaksjoner. Proteiner er også involvert i kroppens forsvarssystem.
– Forstår vi proteinene, forstår vi livet, sier Haraldsrud, og understreker hvor essensielt det er å forstå proteiners struktur og funksjon. Strukturen til et protein avgjør funksjonen. Men å forstå strukturen er utfordrende, siden proteiner folder seg på komplekse måter som er vanskelige å forutsi.
Kunstig intelligens som "mikroskop"
Ved hjelp av kunstig intelligens og spesielt dyp læring har forskerne nå muligheten til å se inn i mikrokosmos på måter som før var utenkelige. Med datamaskinen som et "mikroskop" kan forskerene nå forutsi proteiners form og funksjon basert på aminosyresekvensene som er grunnstrukturen til proteinet. Dette er mulig takket være komplekse algoritmer og kunstige nevrale nettverk. Kunstige nevrale nettverk er maskinlæringsmodeller som er basert på slik hjernen fungerer, hvert fall i grove trekk.
David Baker har utviklet og testet algoritmer for å kunne forutsi aminosyrestrukturen og sekvensen som trengs for å oppnå en spesifikk proteinform (altså ovenfra og ned). Det vil si at vi starter med en ønskelig form for proteinet, også bestemmer algoritmene hva slags aminosyrer som trengs for å oppnå denne formen. Dette gjør det mulig å designe nye proteiner fra bunnen av, noe som er uvurderlig for å lage enzymer med spesifikke funksjoner eller proteiner til medisinske og bioteknologiske formål. Bakers arbeid har dermed gjort det mulig å skape helt nye proteiner som ikke finnes i naturen, noe som kan ha mange nyttige bioteknologiske anvendelser.
Demis Hassabis og John M. Jumper, fra Google DeepMind, utviklet AlphaFold, som med høy presisjon kan forutsi proteinets tredimensjonale form basert på aminosyresekvensen (altså nedenfra og opp). AlphaFold bruker kunstig intelligens og dyp læring for å identifisere hvordan en gitt aminosyresekvens folder seg, en utfordring som har preget proteinforskningen i flere tiår. Ved å analysere store mengder data med kjente proteinstrukturer, kan AlphaFold nå gi presise modeller for proteiner på en brøkdel av tiden som tradisjonelle metoder krever. Dette har allerede hatt stor innvirkning på hvordan vi forstår proteiners funksjon.
Banebrytende forskning
David Baker, Demis Hassabis og John M. Jumper har gjennom sitt arbeid banet vei for en helt ny tilnærming til biologisk strukturkjemi. Med muligheten til å forutsi og designe proteinstrukturer kan vi nå utvikle mer presise medisinske behandlinger, diagnostiske verktøy og miljøvennlig teknologi. Dette kan ikke bare akselerere medisinutvikling, men også muliggjøre målrettede og skreddersydde løsninger som er bedre tilpasset individuelle sykdomsmekanismer.
Anvendelsene strekker seg langt utover medisin. Innenfor miljøteknologi kan for eksempel skreddersydde enzymer bidra til å bryte ned plast, rense vann, og redusere industriell forurensning på en effektiv måte. I tillegg kan teknologien fremme utviklingen av syntetiske organismer som kan produsere bioenergi eller nye biomaterialer med spesifikke egenskaper. Nobelprisarbeidet i 2024 er altså en viktig brikke i arbeidet mot globale utfordringer som forurensning, sykdomsspredning og energimangel.