नोबेल रसायन विज्ञान पुरस्कार: Computational protein design और protein structure prediction

 (nobelprize.org)
1 पॉइंट द्वारा GN⁺ 2024-10-10 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • 2024 का नोबेल रसायन विज्ञान पुरस्कार जीवन के रासायनिक उपकरण, protein, को कंप्यूटर से डिजाइन करने और उसकी संरचना का अनुमान लगाने की उपलब्धियों के लिए दिया गया
  • पुरस्कार राशि का आधा हिस्सा University of Washington और Howard Hughes Medical Institute के David Baker को, और बाकी आधा Google DeepMind के Demis Hassabis और John Jumper को संयुक्त रूप से दिया गया
  • Baker ने 2003 में मौजूदा proteins से अलग एक नया protein डिजाइन किया, और इसके बाद यह काम दवाओं, vaccines, nanomaterials और छोटे sensors में इस्तेमाल हो सकने वाले proteins बनाने तक विस्तारित हुआ
  • Hassabis और Jumper ने 2020 में AlphaFold2 जारी किया, जिससे amino acid sequence से protein की 3D structure का अनुमान लगाने वाली 50 साल पुरानी कठिन समस्या में breakthrough मिला
  • AlphaFold2 का इस्तेमाल लगभग सभी 20 करोड़ proteins की structure prediction के लिए हुआ, और 190 देशों में 20 लाख से अधिक लोगों ने इसका उपयोग किया; इसने antibiotic resistance और plastic-degrading enzymes के शोध पर असर डाला

2024 नोबेल रसायन विज्ञान पुरस्कार के विजेता कार्य

  • Royal Swedish Academy of Sciences ने proteins की structure prediction और design पर काम करने वाले तीन researchers को 2024 का नोबेल रसायन विज्ञान पुरस्कार देने का निर्णय लिया
    • David Baker: “computational protein design” में योगदान के लिए पुरस्कार राशि का आधा हिस्सा
    • Demis Hassabis और John Jumper: “protein structure prediction” में योगदान के लिए बाकी आधा संयुक्त रूप से
  • तीनों विजेताओं ने नए proteins बनाने या जटिल structures का अनुमान लगाने के तरीकों से protein research की मुख्य समस्याओं को संबोधित किया
  • Proteins जीवन की बुनियाद बनने वाली chemical reactions को नियंत्रित और संचालित करते हैं, और hormones, signaling substances, antibodies और tissues के घटकों के रूप में भी काम करते हैं
  • Nobel Committee for Chemistry के अध्यक्ष Heiner Linke ने एक खोज को “भव्य proteins का निर्माण” और दूसरी खोज को amino acid sequence से protein structure का अनुमान लगाने के “50 साल पुराने सपने” की पूर्ति बताया

Protein design और AlphaFold2 की उपलब्धियां

  • Proteins आम तौर पर जीवन के building blocks माने जाने वाले 20 amino acids से बने होते हैं
  • David Baker ने 2003 में इन्हीं building blocks का इस्तेमाल करके अब तक ज्ञात किसी भी protein से अलग एक नया protein डिजाइन करने में सफलता पाई
    • इसके बाद उनकी research group ने दवाओं, vaccines, nanomaterials और छोटे sensors में उपयोगी proteins सहित कई तरह की protein creations बनाई हैं
  • Protein structure prediction वह समस्या है जिसमें amino acids की लंबी chain बनने के बाद उसके fold होकर बनने वाली 3D structure का अनुमान लगाया जाता है
    • यह 3D structure protein के function के लिए निर्णायक होता है
    • Researchers 1970 के दशक से amino acid sequence से protein structure का अनुमान लगाने की कोशिश कर रहे थे, लेकिन यह लंबे समय तक बेहद कठिन समस्या बनी रही
  • Demis Hassabis और John Jumper ने 2020 में AlphaFold2 नाम का AI model जारी किया
    • AlphaFold2 के जरिए researchers द्वारा पहचाने गए लगभग सभी 20 करोड़ proteins की structures का अनुमान लगाया जा सका
    • इसके जारी होने के बाद 190 देशों में 20 लाख से अधिक लोगों ने AlphaFold2 का उपयोग किया
    • उपयोग के उदाहरणों में antibiotic resistance को समझना और plastic को तोड़ सकने वाले enzymes की images बनाना शामिल है
  • नोबेल पुरस्कार राशि 1.1 करोड़ Swedish kronor है; आधी David Baker को और बाकी आधी Demis Hassabis और John Jumper को संयुक्त रूप से दी गई
  • पढ़ने लायक सामग्री

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2024-10-10
Hacker News की रायें

  • यहां AlphaFold को Nobel Prize देना जल्दबाज़ी है—ऐसे comments से मेरी सोच काफ़ी अलग है
    मैं biotech academia में हूं और इसने पहले ही बहुत कुछ बदल दिया है। Protein folding की समस्या “हल” नहीं हुई है, लेकिन biology में कोई भी समस्या पूरी तरह हल नहीं होती
    CRISPR, tactile receptors, quantum dots, click chemistry जैसे पिछले biology/chemistry Nobel Prizes से तुलना करें तो मुझे लगता है कि AlphaFold का प्रभाव पहले ही पर्याप्त स्तर तक पहुंच चुका है

    • इसने यह भी साबित किया कि deep learning models bioinformatics में एक कारगर approach हैं
      AlphaFold में खामियां और सीमाएं हैं, लेकिन यह आम hardware पर किसी भी protein structure को कुछ ही मिनटों में निकाल देता है, जबकि पुराने approaches कुछ ऐसे थे: https://en.wikipedia.org/wiki/Folding@home
      Biology research और bioengineering के बीच फर्क यह है कि bioengineering में संभावित answer space का आकार और उसे संकुचित करने में लगने वाला समय व resources, product development cost के मुख्य drivers होते हैं
      आखिरकार, कई बार तेज़ और सस्ता, मोटे तौर पर सही जवाब पाना, धीमे लेकिन सही जवाब पाने से ज़्यादा मूल्यवान होता है
    • सहमत हूं। प्रभाव की दिशाएं इतनी ज़्यादा हैं कि सब गिनाना मुश्किल है, लेकिन सबसे तात्कालिक प्रभावों में से एक protein crystallography में इसका उपयोग था
      AlphaFold2 के बाद कई aspiring crystallographers ने अपने career paths फिर से तय किए, और बाकी लोगों ने भी crystallography की phase problem हल करने के लिए molecular replacement में इसका इस्तेमाल शुरू कर दिया
      AF2 models की वजह से AF2 के public release से कई साल पहले मापे गए data से नए crystal structures interpret किए जा सके
    • मुझे यह जल्दबाज़ी नहीं लगती, इसके दो कारण हैं
      पहला, AlphaFold ने 2018 में CASP में पहली बार जीत हासिल की थी, यानी 6 साल हो चुके हैं; यह CRISPR के 2012 के पहले paper से 2020 Nobel Prize तक लगे 8 साल से बहुत अलग नहीं है
      दूसरा, AlphaFold award का सिर्फ आधा हिस्सा है, और बाकी आधा 1990s से चल रहे David Baker के Rosetta और RoseTTAFold work को जाता है
    • सहमत हूं। Biotech से बाहर के लोगों के लिए protein folding लंबे समय तक holy grail रहा है, और AlphaFold एक बहुत बड़ी छलांग है
      यह computer science में NP को P में घटाने का तरीका खोजने जैसा है; भले ही पूरा समाधान न हो, ऐसी छलांग बहुत बड़ी होती है
    • CRISPR व्यापक रूप से इस्तेमाल होता है और उस पर आधारित approved therapies भी हैं; quantum dots वाले TVs सचमुच खरीदे जा सकते हैं, और click chemistry के भी bioconjugation जैसे कई applications हैं
      लेकिन AlphaFold में मुझे अभी उस स्तर का प्रभाव नहीं दिखा है
      कई pharma companies और drug-design startups इन तरीकों को लागू करने की कोशिश कर रहे हैं, लेकिन अंततः इनका क्या असर होगा, यह तय करना अभी जल्दबाज़ी होगी

  • मैंने उम्मीद नहीं की थी कि David Baker का नाम list में होगा; लगा था केवल Demis और John होंगे, लेकिन यह सचमुच खुशी की बात है। David शानदार इंसान हैं
    करीब 2000 में, protein structure prediction की द्विवार्षिक competition CASP में David के साथ बैठकर मैंने कहा था कि आखिरकार machine learning structure prediction में humans की जगह ले लेगी
    उस समय Rosetta पहले से ही leading structure prediction और design tool था, लेकिन उसमें अस्थायी रूप से hand-coded features और optimizers की भरमार थी
    वे हंसकर संदेह जताते थे और कहते थे कि Rosetta model को नए PDB structures से update करने पर predictions और खराब हो जाती हैं
    हालांकि Nobel committee को protein structure prediction की बात करते हुए इसे “protein folding” कहना बंद करना चाहिए

    • CASP competitions के लिए models और tools, answer space में हिमनद जैसी धीमी गति से घूमते हुए local minima में फंस जाने के उदाहरण थे
      Rosetta के बारे में कहना मुश्किल है, लेकिन मेरे lab colleagues के tools भी Baker lab के ठीक पीछे अक्सर rank होते थे और काफी सफल थे; फिर भी सबसे सफल models में physically impossible या अजीब terms घुस जाने की समस्या रहती थी
      उदाहरण के लिए, एक बहुत सफल folding model में hydrophobic interactions और कुछ electrostatic interactions के signs उलटे थे
      Physically इसका कोई मतलब नहीं था, लेकिन यह competing models से बेहतर predict करता था, इसलिए CASP ranking अच्छी आने के कारण उससे बाहर निकलना मुश्किल था
    • Baker का शुरुआती work, ठीक कहें तो AlphaFold से पहले का work, ऐसे लोगों से folding solve करवाते हुए जिनके पास background knowledge नहीं थी, यह आधार तैयार कर चुका था कि heuristic methods structure prediction में physical force fields और ab initio/DFT methods से बेहतर होने की संभावना रखते हैं
      Artificial intelligence structure prediction को अंततः heuristic protein folding ही माना जा सकता है
    • David Baker को जरूर शामिल किया जाना चाहिए था। सिर्फ protein design पर उनका work भी breakthrough था, और मैं हमेशा सोचता था कि उन्हें कभी न कभी यह मिलेगा
      सवाल यह नहीं था कि मिलेगा या नहीं, बल्कि यह था कि कब मिलेगा

  • Demis Hassabis का Nobel Prize winner के तौर पर career path सचमुच दिलचस्प और असामान्य है https://en.wikipedia.org/wiki/Demis_Hassabis
    उन्होंने artificial intelligence game programming से career शुरू किया, Bullfrog में Populous II, Syndicate, Theme Park आदि पर काम किया; फिर Lionhead Studios में Black & White पर काम करने के बाद neuroscience में PhD की, entrepreneur बने और DeepMind शुरू किया
    मुझे यह refreshing और दुर्लभ Nobel choice लगती है, क्योंकि यह दिखाता है कि इतना प्रभावशाली research करने के लिए अब जरूरी नहीं कि आप university professor ही हों

    • उन लोगों की कहानियां हमेशा दिलचस्प होती हैं जो अपने original major से अलग field में, university छोड़कर industry में कई साल काम करने के बाद PhD करते हैं
      Hassabis ने computer science undergrad पूरा करके game studios में 10 साल काम किया और फिर किसी तरह university जाकर neuroscience PhD करने का फैसला किया
      अगर मैं US में कुछ वैसा ही करते हुए engineering master’s के बाद 15 साल aerospace engineer के तौर पर काम करके physics PhD करना चाहूं, तो शायद मुझे तुरंत दफा हो जाने को कहा जाएगा, या GRE फिर से देने और नया undergrad या ज्यादा से ज्यादा graduate program से शुरुआत करने को कहा जाएगा
      सीधे PhD में प्रवेश लेने का तरीका मैंने कभी नहीं सुना
    • मुझे नहीं पता था कि वे Black & White में शामिल थे
      Black & White 2001 के लिहाज से सचमुच अपने समय से आगे था, और player के god-like behavior के अनुसार group-level NPC simulation को कहीं बेहतर तरीके से लागू करता था
    • यह भी नहीं भूलना चाहिए कि 13 साल की उम्र में उनका chess IM 2300 rating था
    • मुझे साफ याद है कि 1999 के आसपास जर्मन GameStar magazine में उनका एक interview पढ़ा था, जिसमें वे Bullfrog में अपने शुरुआती काम के बारे में बात कर रहे थे
      बाद में research की तरफ जाते हुए उनका नाम कभी-कभार दिखता रहा, और उनका career वाकई अद्भुत है

  • कल के Physics Prize को लेकर मैं संदेह में हूँ, लेकिन यह पुरस्कार पूरी तरह उचित और सटीक लगता है
    इन तीनों लोगों के काम जितना नई दवाओं के विकास और कुल मिलाकर chemistry को तेज़ करने वाले तरीके बहुत कम हैं। यह बधाई देने लायक है

    • ऐसे तरीकों में से एक बनाने वाले व्यक्ति के तौर पर मैं संदेह में हूँ
      AlphaFold 2 सिर्फ protein structure की भविष्यवाणी करता है। Proteins अक्सर एक-दूसरे से संबंधित होते हैं, और अगर आप प्राकृतिक रूप से पाए जाने वाले protein structures की भविष्यवाणी करने की कोशिश कर रहे हैं, तो known 3D structure dataset में संबंधित protein होने की संभावना काफी होती है
      यह machine learning के लिए कहीं आसान समस्या है, और मोटे तौर पर कहें तो यह test set पर सीखने जैसा है
      लेकिन AlphaFold 3 जिस drug design को लक्ष्य करता है, उसमें वास्तव में नए inputs पर भी अच्छा प्रदर्शन करना होगा, और वह पूरी तरह अलग use case है
      और जानकारी यहाँ है: https://olegtrott.substack.com/p/are-alphafolds-new-results-...
    • Hinton को Physics Prize मिलते देखकर मैं सोच रहा था कि AlphaFold2 वालों को Nobel Prize कब मिलेगा
      मैं 100% सहमत हूँ कि ये तीनों इस पुरस्कार के हकदार हैं
      Baker lab अभी असल में DeepMind पर एक तरह का नियंत्रण बनाए हुए है और सुनिश्चित कर रही है कि open source research पीछे न रह जाए। सम्मान
    • drug discovery industry में होने के नाते, मैंने ऐसी “progress” को कई बार नाकाम होते देखा है, इसलिए मैं संदेह में हूँ
      मुझे computer-aided drug design के पहली बार आने का दौर और उसके बाद की कई “quantum leaps” याद हैं। वे उपयोगी थीं, लेकिन सबसे महत्वपूर्ण मामलों में अक्सर विफल रहीं
      दवाएँ आम तौर पर ऐसे space में विकसित होती हैं जिसके बारे में हमें बहुत कम पता होता है, इसलिए artificial intelligence के सीखने लायक उपयोगी data नहीं होता
      किसी computational scientist को यह कहते सुनना कि “बस यह एक बदलाव डाल दीजिए, binding 1000 गुना बेहतर हो जाएगी”, फिर उसे बनाने में 3 हफ्ते लगाना और असल में उसका और भी खराब bind करना—इससे ज्यादा निराशाजनक कुछ नहीं
    • Rosetta और DeepMind ने protein structure prediction के बाहर भी drug discovery में कहीं अधिक महत्वपूर्ण योगदान दिए हैं
    • यह पुरस्कार वाजिब है। बस अफसोस यही है कि इसे किसी व्यक्ति को नहीं, बल्कि team को दिया जाना चाहिए था
      practical योगदान देने वाले Oriol को भी शामिल किया जाना चाहिए था

  • मुझे लगता है AlphaFold को यहाँ शामिल करना जल्दबाज़ी है, और समय बीतने पर यह अच्छा फैसला न लगे
    AlphaFold प्रभावशाली उपलब्धि है, लेकिन यह कहना मुश्किल है कि इसने “protein folding का code crack कर दिया”; करीब एक-तिहाई predictions में uncertainty इतनी ज्यादा होती है कि उनका इस्तेमाल मुश्किल है, यह dynamics के बारे में कुछ नहीं बताता, और rare structures पर fail होने वाली machine learning की खास समस्या भी इसमें है
    इसके अलावा, मुझे यह जानकर हैरानी हुई कि topological constraints को नज़रअंदाज़ करने की वजह से कई predictions गलत होती हैं https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10672856/
    यह AlphaFold की constructive criticism है; मेरी शिकायत Nobel Committee से है
    “protein folding का code crack कर दिया” कहना सच नहीं है; यह high-accuracy machine learning approach है, लेकिन इसमें generalization failure या R^3 topology जैसे गहरे principles को probabilistically पकड़ न पाने की सीमाएँ जस की तस हैं
    इससे भी महत्वपूर्ण बात यह है कि biochemical research में अभी तक इसका कोई विशेष रूप से बड़ा प्रभाव दिखा हो, ऐसा कहना मुश्किल है, और इसके results का बहुत कम ही बारीकी से audit हुआ है
    हो सकता है किसी दिन यह पुरस्कार के योग्य साबित हो, लेकिन committee को इंतजार करना चाहिए था। चिंता है कि कहीं Google की PR campaign, और व्यापक रूप से देखें तो कल के पुरस्कार तक, Big Tech PR से प्रभावित तो नहीं हो गए

    • 5 साल बाद पीछे मुड़कर देखने पर यह STEM क्षेत्र का Kissinger/Obama-style मामला लग सकता है
      trend के साथ चलने के दबाव में बहुत जल्दबाज़ी में दिया गया पुरस्कार
    • मुझे लगता है AlphaFold ने structure prediction में वैसा ही किया जैसा CRISPR ने gene editing में किया
      CRISPR ने भी gene editing को पूरी तरह हल नहीं किया, लेकिन इसे व्यापक biochemistry और biology researchers के लिए accessible और usable बना दिया
      दोनों ने समान असर डाला और field को काफी बदल दिया
    • मुझे जिज्ञासा है कि यह समस्या AlphaFold2 में भी है या सिर्फ मूल AlphaFold में थी

  • Physics Prize भी artificial intelligence, Chemistry Prize भी artificial intelligence। अगला Nobel Literature Prize ChatGPT को मिलेगा क्या?
    मज़ाक छोड़ दें, तो Chemistry Prize, Physics Prize की तुलना में कहीं ज्यादा समझ में आता है

    • मुझे लगता है ChatGPT को Nobel Literature Prize मिलना भी पूरी तरह संभव है। मौजूदा version या अगले version में न सही, कभी न कभी संभव हो सकता है
      खासकर अगर "The Wife" के premise की तरह किसी proxy के जरिए हो, तो और भी; और anonymous creator Banksy जैसी मिसालें पहले से मौजूद हैं

  • AlphaFold एक उपयोगी tool है, लेकिन physical chemistry के नजरिए से संतोषजनक नहीं है
    यह folding mechanism पर लगभग कोई insight नहीं देता, और industrial applications के लिए नए proteins design करने या transmembrane proteins और extremophile proteins की prediction में इसकी value बहुत सीमित है
    इसलिए transition states और intermediates की folding kinetics जैसी चीजों को ऐसे statistical models से अभी भी ठीक से समझना मुश्किल है, क्योंकि इसमें protein systems को govern करने वाले electrostatic interactions, solvation effects, entropy-driven conformational changes जैसे physical laws explicitly शामिल नहीं हैं
    खास तौर पर environmental effects को अनदेखा किया जाता है। यह water molecules, ions और temperature जैसे मूल solvent environment को model नहीं करता, जो protein की conformational stability पर सीधे असर डालते हैं
    high-salt, high-temperature जैसी conditions में stable catalytic activity वाले नए proteins design करते समय यह घातक है
    Nobel Prize के संदर्भ में, 20 साल पहले भी इस field में यह समझ थी कि कोई एक व्यक्ति या छोटा group Einstein-style moment में “protein folding solve” नहीं कर देगा। यह बहुत जटिल है
    यह पुरस्कार संदिग्ध है और संबंधित पक्षों की marketing काफी misleading रही है। सबसे खराब उदाहरणों में से एक यहाँ है: https://www.scientificamerican.com/article/one-of-the-bigges...
    protein folding हल हो गया है—यह दावा वास्तव में सही क्यों नहीं है, इसे ज्यादा सावधानी से समझाने वाला लेख "The power and pitfalls of AlphaFold2 for structure prediction beyond rigid globular proteins" (June 2024) है
    https://www.nature.com/articles/s41589-024-01638-w

    • folding mechanism को human mind से समझना शायद लगभग असंभव है

  • ऐसा लगता है जैसे विज्ञान को किनारे कर दिया गया है और उसकी जगह ब्लैक-बॉक्स prediction ने ले ली है। लगता है फिर से मुख्य बिजली-स्विच वाले युग में लौट आए हैं
    यथार्थवादी लोगो, 1500 साल बाद फिर मिलते हैं

    • मुझे पक्का नहीं लगता। जैसे cryo-electron microscope molecular shapes पता लगाने का tool है, वैसे ही यह भी molecules की आकृति समझने का tool है
      मेरे हिसाब से यह विज्ञान का अंत नहीं है
    • विज्ञान में ऐसी जटिल चीज़ें होती हैं जिन्हें मानव मन कभी समझ नहीं सकता, लेकिन बड़े neural networks संभाल सकते हैं
    • यह बहुत बड़ी किस्मत थी कि planetary motion के नियम इतने सरल रूप में सामने आए
      यह मानने की कोई वजह नहीं कि protein folding भी किसी विशाल black-box model के बिना किसी elegant explanation में सिमट सकता है
    • विज्ञान बस hypothesis को verify करने की methodology है
      जब तक परिणामों की empirical समीक्षा होती है, यह मायने नहीं रखता कि वे परिणाम कैसे हासिल किए गए

  • कल का Physics Prize काफ़ी अजीब था, लेकिन इस बार वाली बात में कोई समस्या नहीं है
    तो क्या इसका मतलब है कि Transformer authors को भी कभी Nobel Prize in Literature मिलने की संभावना बन गई है? कल से पहले की तुलना में अब यह कहीं ज़्यादा plausible लग रहा है