2024年诺贝尔化学奖揭晓:蛋白质结构与设计的革命性突破

2024-10-10 刘少飞 MedSci原创

2024年诺贝尔化学奖的颁发,彰显了蛋白质科学领域的两大重要进展。这些成就不仅推动了基础科学的发展,还为解决人类面临的诸多挑战提供了创新的解决方案。

2024年10月9日,瑞典皇家科学院宣布将诺贝尔化学奖授予三位科学家,以表彰他们在蛋白质设计和结构预测方面的开创性研究。获奖者包括华盛顿大学的戴维·贝克(David Baker)教授,因其在计算蛋白质设计领域的重大创新而获奖;以及谷歌DeepMind研究人员德米斯·哈萨比斯(Demis Hassabis)和约翰·M·杰珀(John M. Jumper),他们因开发AlphaFold2人工智能模型,成功预测蛋白质结构而获得这一殊荣​。

蛋白质设计的突破:贝克的贡献

贝克教授的研究工作彻底改变了我们对蛋白质的理解。蛋白质是生命体内的关键化学工具,几乎所有的生物过程都依赖蛋白质来驱动。蛋白质由20种不同的氨基酸组成,这些氨基酸通过复杂的折叠形成三维结构,这一结构对于蛋白质的功能至关重要。多年来,科学家们试图通过氨基酸序列来预测蛋白质的结构,但这一任务极其复杂,进展有限​。

早在2003年,贝克教授的团队首次成功设计了一种与自然界中所有已知蛋白质完全不同的新型蛋白质。这一突破性的发现标志着计算蛋白质设计领域的里程碑。贝克教授的工作不仅推动了基础科学的发展,还为各种实际应用提供了广泛的潜在机会。例如,贝克团队设计出的蛋白质可以用于制药、疫苗开发、纳米材料以及高精度传感器等多个领域。这些新型蛋白质的创造性设计,为开发具有特定功能的分子工具提供了前所未有的可能性​。

AlphaFold2的革命性:哈萨比斯与杰珀的成就

与此同时,哈萨比斯和杰珀因其在蛋白质结构预测方面的卓越贡献而获奖。自20世纪70年代以来,科学家们一直试图从氨基酸序列预测蛋白质的三维结构,但这个问题在当时被认为几乎不可能解决。然而,2020年,哈萨比斯和杰珀团队开发的AlphaFold2模型取得了突破性进展,能够精确预测几乎所有蛋白质的结构。

AlphaFold2的推出不仅解决了生物学中的长期难题,还对科学研究产生了深远影响。这一AI模型现已被全球超过200万个科研团体和机构使用,用于预测约2亿种已知蛋白质的结构。借助AlphaFold2,科学家们能够更好地理解抗生素耐药性、发现新药,并创造出能够分解塑料的酶类等具有重要应用价值的工具​。

应用前景与人类福祉

蛋白质是生命的基本组成部分,其在细胞内的功能复杂多样,包括作为酶、抗体、激素以及各种信号分子。通过贝克的蛋白质设计技术和哈萨比斯、杰珀的结构预测模型,科学家们现在不仅可以设计全新功能的蛋白质,还可以更精确地理解自然界中蛋白质的工作原理。这些研究的成果对于制药和生物技术领域具有深远的影响,尤其是在新药开发、疫苗研究和环保技术等方面。

例如,AlphaFold2的应用已为全球科研人员打开了新的研究视角。通过预测蛋白质结构,科学家可以更高效地研究疾病机制、发现新的治疗靶点,甚至在合成生物学中创造全新的生物分子。此外,贝克的计算设计平台还可以用于创建具有特殊功能的蛋白质,这些蛋白质可作为疫苗、药物或环保材料的基础​。

瑞典皇家科学院表示,这两项研究共同标志着蛋白质科学领域的重大进展。一方面,贝克的蛋白质设计技术展示了通过控制氨基酸序列,人类可以创造出具有独特功能的蛋白质;另一方面,AlphaFold2通过机器学习技术,使得蛋白质结构预测问题得以解决,大大加速了生命科学领域的研究进程。

获奖者简介

  • 戴维·贝克,1962年出生于美国西雅图,1989年获得加州大学伯克利分校博士学位,现任华盛顿大学教授。他在蛋白质设计领域的开创性研究已取得广泛应用,为生物技术和医药领域带来新的希望​。

  • 德米斯·哈萨比斯,1976年出生于英国伦敦,2009年获得伦敦大学学院博士学位,现任谷歌DeepMind CEO。他的研究主要集中在人工智能领域,尤其是通过AlphaFold2项目推动了生命科学的进步​。

  • 约翰·M·杰珀,1985年出生于美国阿肯色州,2017年获得芝加哥大学博士学位,现为谷歌DeepMind高级研究员。他与哈萨比斯共同领导的AlphaFold2项目,已成为生命科学研究不可或缺的工具​。

结语

2024年诺贝尔化学奖的颁发,彰显了蛋白质科学领域的两大重要进展。这些成就不仅推动了基础科学的发展,还为解决人类面临的诸多挑战提供了创新的解决方案。贝克教授的蛋白质设计和哈萨比斯、杰珀团队的AlphaFold2技术共同展示了科学与技术的结合如何能够造福人类​。

作者:刘少飞



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题

相关资讯

卵巢储备功能减退相关基因及组学研究进展!干货满满!

本文就近年来在DOR基因组学、代谢组学和蛋白质组学中的研究进展作一综述,以期为早期诊断、干预和治疗DOR患者提供新思路。

Mol Psychiatry: 人脑蛋白质组的基因调控揭示了与精神疾病有关的蛋白质

对268人大脑组织进行深层蛋白组检测共识别出11628个高质量蛋白和对应的8321个基因。作者还发现部分QTL信号校正与精神分裂症及双相障碍的GWAS信号。本文还提出了一个基因调控网络。

特别关注|非酒精性脂肪性肝病多组学研究现状

本文主要综述与NAFLD相关的多组学研究进展,以期为NAFLD的预防和治疗提供更丰富的理论依据与新的策略。

简单验血,就能发现67种疾病!《自然-医学》:临床诊断新选择

近日,《自然-医学》(Nature Medicine)发表一项研究,发现仅需简单验血,测量和分析不同蛋白质“特征”,就能够预测多发性骨髓瘤、非霍奇金淋巴瘤、肺纤维化等多达67种疾病。

Cell子刊:基于机器学习的分析识别和验证血清外泌体蛋白质组学特征,可用于结直肠癌的诊断!

该研究表明采用了深入的4D-DIA蛋白质组学和机器学习(ML)管道,从37例发现队列的血清EV样本中鉴定出了用于CRC诊断的关键蛋白PF4和AACT。