Нобелівську премію з хімії присудили за дизайн і прогнозування структури білків

 Шведська королівська академія наук оголосила лауреатів Нобелівської премії з хімії. У 2024 році половину премії присудили Девіду Бейкеру (David Baker) за комп'ютерний дизайн білків, а іншу половину — Демісу Гассабісу (Demis Hassabis) і Джону Джамперу (John M. Jumper) за передбачення їхньої структури. Лауреатів оголосили під час онлайн-трансляції на сайті Нобелівської премії.

Як відкриття науковців змінили уявлення про білки?
З 1970-х років науковці намагалися передбачити структуру білків за послідовністю амінокислот у них, але це завдання ускладнювалося через необхідність враховувати надзвичайно велику кількість чинників. Біоінформатики навіть створили змагання CASP, ціллю якого було якомога точніше та швидше передбачити структуру білка за його послідовністю.
Один з цьогорічних лауреатів, Девід Бейкер, був учасником змагання CASP у 1998 році. Для передбачення структури білків він використовував інструмент Rosetta, коли вигадав застосовувати програмне забезпечення навпаки. Замість передбачення структури білків за амінокислотною послідовністю науковець запропонував вводити необхідну структуру та розраховувати, яка послідовність амінокислот її утворить. З першого успішно створеного штучно білка у 2003 році зародилася така сфера біоінформатики, як дизайн білків, що дозволило створювати нові типи білків, які не зустрічаються в природі. Дизайн білків знайшов застосування у розробці ліків, вакцин і наноматеріалів.

Нобелівську премію з фізики присудили за нейромережі та машинне навчання

Шведська королівська академія наук оголосила лауреатів Нобелівської премії з фізики. У 2024 році ними стали Джон Гопфілд (John J. Hopfield) та Джеффрі Гінтон (Geoffrey E. Hinton) за фундаментальні відкриття та винаходи, що уможливили машинне навчання за допомогою штучних нейронних мереж. Лауреатів оголосили під час онлайн-трансляції на сайті Нобелівської премії.

Як відкриття науковців допомогло у створенні нейромереж?

Хоча комп’ютери не можуть мислити, машини тепер можуть імітувати такі функції, як пам’ять і навчання. Зробити це можливим допомогли Джон Гопфілд і Джеффрі Гінтон, використовуючи фундаментальні концепції та методи квантової та статистичної фізики, вони розробили технології, які використовують структури в нейромережах для обробки інформації. У таких нейромережах використовують вузли, кожен з яких має своє числове значення та взаємодіє з іншими вузлами через зв’язки, які стають сильнішими у процесі навчання мережі.
Джон Гопфілд у 1980-х роках створив структуру, яка може зберігати та реконструювати інформацію, подібно до асоціативної пам’яті в людей. Мережа Гопфілда заснована на наявності в елементарних частинок спіну, який обумовлює його магнітні властивості й енергію частинки. Використовуючи дані про вузол, мережа Гопфілда працює так, щоб знаходити зв’язки між вузлами з найменшою енергією та таким чином зберігати зображення. Коли ж їй надають неповні або спотворені зображення, мережа покроково оновлює збережені на вузлах дані, щоб відтворити нормальне зображення.