Premio Nobel per la Chimica a tre scienziati che scoprirono il segreto dei fili di perle

“Sono contento che vi siate aggiornati adesso!”, dice John Jumper con una risata. Trasforma il telefono nello schermo del laptop, mostrando i suoi colleghi in una riunione video. Alcuni di loro sono a casa e c'è anche una riunione di gruppo nella sala conferenze. Là si sono alzati per abbracciarsi e congratularsi a vicenda, mentre Hans Ellegren, segretario generale dell'Accademia reale svedese delle scienze, era ancora impegnato ad annunciare che il loro capo Gamper aveva vinto il premio Nobel per la chimica di quest'anno.

John Jumper, 39 anni, e Demis Hassabis, 48 ​​anni, di DeepMind di Google, riceveranno insieme la metà del prezzo di AlphaFold2, un modello computerizzato in grado di prevedere la forma delle strutture proteiche. L'altra metà va a David Becker (62) per creare nuove strutture proteiche. Il loro lavoro sta rivoluzionando molti settori, tra cui lo sviluppo di farmaci, la produzione alimentare, il riciclaggio e la protezione delle colture.

collana di perle

Questo impatto significativo è previsto in molti settori perché le proteine ​​sono essenziali per quasi tutti i processi biologici negli organismi viventi. Nel corpo umano digeriscono il cibo, assicurano la crescita cellulare, regolano i livelli di zucchero nel sangue e sono attivi nel sistema immunitario. Ora che sappiamo che aspetto hanno le proteine, è più facile capire come funzionano. Il suo funzionamento può essere controllato.

Le proteine ​​sono costituite da catene di amminoacidi che si piegano spontaneamente in un modo unico, formando un groviglio di eliche, filamenti e pezzi piatti, come un filo di perle che sono sempre aggrovigliate allo stesso modo. La disposizione degli amminoacidi – le perle – è abbastanza facile da determinare, ma non la forma esatta che assume il nodo. Mentre la funzione di una proteina dipende da come si ripiega.

Una migliore comprensione delle proteine ​​è così popolare che la ricerca sulle proteine ​​ha già vinto due volte il premio Nobel: nel 1962, fu premiata l’invenzione della cristallografia, il metodo migliore finora per visualizzare la struttura tridimensionale di una proteina. Per fare ciò, il cristallo deve prima essere ricavato dalla proteina, quindi ripreso con una radiografia. Ricevette un premio Nobel nel 1972 per la sua scoperta che una proteina si piega sempre nello stesso modo e che questa forma dipende dalla disposizione degli amminoacidi.

Ora gli scienziati pensano di aver scoperto il segreto: chiunque conosca la sequenza degli aminoacidi può anche prevederne la forma. Ma si scopre che non è così semplice Problema di previsione È diventata la sfida più grande della biochimica. Nel 1994 è stato istituito un concorso biennale di previsione delle proteine ​​per promuovere lo sviluppo. Per anni la precisione delle previsioni è rimasta al 40%. Anche Demis Hassabis è intervenuto nel 2018: il suo modello AlphaFold era accurato al 60%: un risultato importante. L’ultimo ostacolo è stato superato quando John Jumper si è unito a Hassabis: AlphaFold2 è stato in grado di prevedere le strutture proteiche con una precisione fino al 90% nel 2020.

Demis Hassabis, amministratore delegato di DeepMind Technologies, si trova nel suo ufficio a Londra dopo essere stato annunciato come vincitore del Premio Nobel per la chimica.

realtà

AlphaFold2 si basa su un database di 200.000 strutture proteiche conosciute precedentemente determinate mediante cristallografia. AlphaFold2 confronta innanzitutto una sequenza di aminoacidi la cui conformazione non è ancora nota agli aminoacidi delle proteine ​​presenti in quel database. Esplora anche le interazioni tra diversi aminoacidi. Gli amminoacidi positivi e negativi interagiscono tra loro, alcuni sono idrofobici, altri sono idrofili e così via. Il modello poi fornisce un’idea di come le parti della catena di amminoacidi si relazionano tra loro nello spazio. Il processo di determinazione della posizione nello spazio viene ripetuto più volte, quindi appare la struttura. AlphaFold2 spiega subito quanto sia probabile che la struttura visualizzata sia simile alla realtà.

Nella rivista scientifica scienze Questo processo è stato completato nel 2020 confronto Creando un puzzle: prima i pezzi vengono messi insieme in piccoli gruppi – in questo caso gruppi di amminoacidi – e poi cerchiamo il modo di formare quei piccoli gruppi in un tutto più grande.

Rashid

L'invenzione per la quale David Becker vinse il Premio Nobel risale a molti anni fa. Becker, che partecipò anche a un concorso di previsione delle proteine ​​nel 1998, aveva un modello chiamato Rosetta. L'obiettivo originale era anche quello di prevedere la struttura delle proteine, ma ha avuto un'idea brillante: Rosetta avrebbe potuto fornire anche suggerimenti per le sequenze di aminoacidi se alimentata con una struttura proteica? Sperava che in questo modo si potessero creare proteine ​​con funzioni completamente nuove.

Ciò è stato ottenuto per la prima volta nel 2003. La proteina non era in grado di fare nulla, ma il fatto che fosse completamente nuova e non fosse mai apparsa in natura era sorprendente. Da allora, Becker ha pubblicato regolarmente articoli su nuove proteine ​​con funzioni mirate, come l'avvio di reazioni chimiche specifiche.

Sia Baker che DeepMind hanno reso pubblicamente disponibile il loro codice principale. Risulta essere una miniera d’oro per ricercatori e aziende. In precedenza, ci volevano mesi – e molti soldi – per determinare la struttura di una proteina utilizzando la cristallografia. Ora puoi farlo in pochi minuti. Anche la progettazione di proteine ​​con proprietà desiderabili ha acquisito slancio.

Società commerciale

“È fantastico che queste scoperte stiano ottenendo così tanto riconoscimento”, afferma Steve van Greken. È cofondatore di Cradle, una società che sviluppa una piattaforma che consente a scienziati e bioingegneri di progettare e migliorare nuove proteine ​​in modo accessibile. “È ancora presto e non ci sono ancora molti prodotti tangibili, perché la ricerca e lo sviluppo di nuovi farmaci e alimenti, ad esempio, richiede ancora anni. Ciò rende il tutto molto più veloce e molto più economico, che penso davvero che lo sarà rivoluzionario.”

È la prima volta che persone di un'azienda commerciale, la DeepMind di Google, vincono il Premio Nobel per la chimica. Ciò è sorprendente, afferma van Greeken, lui stesso ex dipendente di Google, ma non sorprende ora che molti nuovi sviluppi nel campo della chimica sono di natura computazionale. “Le risorse sono limitate nelle università e Google ha una potenza di calcolo infinita. Quando la creatività umana e l’intelligenza artificiale si intersecano, l’intelligenza artificiale può avere un impatto enorme, e questo è particolarmente vero nel campo della scienza.

Da condividere




Invia un'e-mail all'editore