諾貝爾化學獎得主用AI預測蛋白質 將成藥物設計主流

記者李芯/台北即時報導

2024年諾貝爾化學獎今日宣布,華盛頓大學的生物化學家貝克(David Baker)、Google DeepMind的瓊珀(John Jumper)及哈薩比斯(Demis Hassabis),分別以蛋白質設計與蛋白質結構研究,拿下本屆化學獎殊榮。學者指出,貝克的實驗室所開發的軟體,曾開發出全球第一個人工合成的酵素;瓊珀、哈薩比斯的研究,則藉由AI,在5年內將蛋白質折疊預測的準確率從40%提高到90%。

台灣科技媒體中心在諾貝爾化學獎得主出爐後,邀請國內學者分析得主研究成果。中央研究院生物化學研究所副研究員吳昆峯說明,貝克的實驗室所做的研究,是蛋白質折疊的研究領域中非常困難的題目,科學家50幾年來用盡一切的方法預測,想讓蛋白質折疊成正確的構形。貝克的實驗室擁有全世界最領先的技術,他過去發展一套稱為Rosetta的軟體,不只能修改原來的蛋白質,也可以從不存在的序列找到新的功能、新的摺疊方式。

吳昆峯指出,Rosetta在2003年就開發出全球第一個人工合成、人工設計的酵素,這證明可以用軟體來設計一個「不存在於世界上任何一種序列」的蛋白質,並引發學界20年來相繼投入這個領域。往後Rosetta軟體持續優化、修改後,才會有AI軟體的加入,讓蛋白質結構預測更成功。

中央研究院生物化學研究所研究員徐尚德指出,Rosetta最近還推出了非常強大的功能,名為Rosetta Diffusion,跳脫過去用基因得到蛋白質結構、了解功能,用已知的知識創造未知的東西的方式,能夠用「生成」的方法來設計蛋白質,並辨識蛋白質能不能製成藥物。疫情期間貝克的公司還直接上市,並由另一個大藥廠用10億美金買下,也顯示當今生技產業的潛力。

國立清華大學化學系助理教授楊自雄表示,哈薩比斯及瓊珀研究的重要性在於,只要給出一串基因序列,就能生成出應該得到的靜態蛋白質結構。過去科學家用物理方式做蛋白質折疊,準確率相對低又耗時長,2016年的準確率僅約40%。而到2020年,兩人提出的AlphaFold2模型準確率達到90%,也就是說,給出一段DNA序列,折疊出來的蛋白質結構有90%可以跟實質上得到的結構一樣,是對於藥物設計非常重要的發現。

吳昆峯指出,他們設計的東西可能還沒有到藥物開發、上市階段,但往後幾年應該會成為做抗體篩選、藥物設計的主流方式。

華盛頓大學的生物化學教授貝克、英國Google DeepMind的瓊珀及哈薩比斯,分別以蛋白質設計與蛋白質結構研究,拿下本屆化學獎殊榮。美聯社

徐尚德表示,貝克在疫情之後不太出遠門,去年台灣生物物理學會有邀請貝克演講,但他表示無法到台灣,只能用錄影的方式。徐也聽過貝克的幾次演講,最近一次是在西雅圖大學辦理的研討會,據他了解,貝克現在的實驗室有一整棟4層樓,一半做實驗、一半做AI。即使已經不在研究的第一線,他每天都還是有不同的想法、和不同人討論,仍充滿好奇心,讓他直呼非常了不起。

AI 諾貝爾 疫情

推薦文章

留言