Tegorocznymi laureatami Nagrody Nobla w dziedzinie chemii zostali David Baker, Demis Hassabis i John M. Jumper. Kapituła wyróżniła laureatów za projektowanie trójwymiarowych struktur i funkcji białek. Komentarze ekspertek i ekspertów centrum informacyjnego Tygodnia Noblowskiego Centrum Współpracy i Dialogu UW.

– Muszę przyznać, że dla nikogo z nas ta Nagroda nie była zaskoczeniem. Wczoraj zostało nagrodzone uczenie maszynowe, a tegoroczna Nagroda Nobla w dziedzinie chemii dotyczy zastosowania metod do poznania, odkrywania, zrozumienia i projektowania struktur białek. Jest to metoda, która wykorzystuje uczenie maszynowe, ale jej zasady i działanie zostały umożliwione dzięki ponad stuleciu stosowania  metod doświadczalnych wykorzystanych do poznania struktur białek. Najpierw, przez krystalografię rentgenowską, następnie przez kriogeniczną mikroskopię elektronową, dzięki czemu w bazie danych zostało zdeponowane ponad 100 000 struktur białek. Tak więc wieloletnia doświadczalna praca naukowców została wykorzystana do tego, by umożliwić to, co było od dawna marzeniem wszystkich badaczy zajmujących się biologią strukturalną. Mianowicie, nauczenie algorytmów tego, by przewidywały miliony najróżniejszych białek i ich struktury, a także projektowały nowe, jeszcze nieznane naturze.– Metody, za które została przyznana dzisiaj Nagroda Nobla, nie potrafią wyjaśnić, jak białka się zwijają. To jest proces dynamiczny, odbywający się w otoczeniu innych białek i kwasów nukleinowych. Natomiast można sobie wyobrazić, jak teraz wygląda zastosowanie sztucznej inteligencji do generowania obrazów. W bardzo prosty sposób można wygenerować fake obrazki i to dokładnie robi deep mind – halucynuje struktury białek w postaci skończonej. Narzędzie, które umie teraz przewidywać struktury białek, to jest coś bardzo cennego. Dzięki niemu możemy w przyszłości z dużo większą pewnością od razu projektować leki czy próbować porównywać skuteczność przeciwciał, mając modele strukturalne białek danego wirusa – dr Maria Górna – Zakład Chemii Teoretycznej i Strukturalnej, Wydział Chemii UW.

– Białka są biopolimerami złożonymi z cegiełek budulcowych, które nazywamy aminokwasami. Problem przewidywania struktury trójwymiarowej białek polega na tym, że cegiełki te mogą wzajemnie się obracać. Takie izomery nazywamy izomerami konformacyjnymi. Takich potencjalnych struktur jest bardzo dużo i ta liczba rośnie bardzo szybko wraz z liczbą aminokwasów wbudowanych w łańcuch polipeptydowy. Dotychczas, aby przewidywać strukturę trójwymiarową takiego łańcucha, należało białko wyizolować, oczyścić, wykrystalizować i przeprowadzić badania strukturalne takimi metodami, jakie wspominała dr Maria Górna. Dodam do tego spektroskopię magnetycznego rezonansu jądrowego NMR – to takie trzy podstawowe techniki. Komputer nie liczy tego od początku, nie przewiduje tej struktury, nie posiadając danych wejściowych, tylko najpierw analizuje bogatą bibliotekę danych, które wcześniej zgromadzono i wypełnia luki. Oczywiście tych białek w naturze jest dużo więcej niż 100 000. Niemniej, potrzebujemy bardzo dobrych danych wyjściowych, żeby takie algorytmy rozwijać. Natomiast działają one świetnie. Są organizowane specjalne konkursy, które tego typu algorytmy jak AlphaFold mogą sprawdzać w praktyce. Mamy już trzecią edycję tego programu AlphaFold i bije ona na głowę konkurencyjne metody – dr hab. Paweł W. Majewski, prof. ucz. – Zakład Chemii Teoretycznej i Strukturalnej, Wydział Chemii UW.

– Białka są to makrocząsteczki, które odgrywają fundamentalną rolę w funkcjonowaniu naszego organizmu. Są zaangażowane w niemal wszystkie procesy życiowe. Są enzymami, czyli takimi katalizatorami, które przyspieszają reakcje chemiczne zachodzące w naszym organizmie. Bez nich organizm nie byłby w stanie prawidłowo funkcjonować. Pełnią dosłownie wszystkie funkcje w organizmie człowieka. Liczba różnych białek w organizmie człowieka wynosi od dziesięciu do nawet dwudziestu tysięcy, w zależności od definicji pojedynczego białka. Lata badań strukturalnych nad białkami umożliwiły zbudowanie bazy wiedzy i jest to pewien hołd dla sztucznej inteligencji, która znakomicie radzi sobie w tym konkretnym przypadku. Dzięki tym postępom jesteśmy w stanie projektować nowe białko o nowych funkcjach. Być może takie, które działają poza organizmami, ale w przyszłości z pewnością też będziemy mogli konstruować białka, które funkcjonują w organizmach w oparciu o nową, poprawioną funkcję. Dzięki temu, że znamy struktury białek, możemy je poznawać znacznie szybciej, znacznie prościej, łatwiej nam też projektować nowe czynniki terapeutyczne, nowe leki, które bardziej skutecznie będą oddziaływać z celami terapeutycznymi, jakimi są białka. Znaczenie tego odkrycia jest naprawdę olbrzymie w kontekście inżynierii nowych białek, ale również całych układów, jak na przykład sztuczne organizmy, które funkcjonują w oparciu o sztuczne białka i mają szczególne cechy, aż po zastosowania, które już obecnie mają miejsce, czyli projektowanie nowych leków. Hołd dla sztucznej inteligencji, złożony przez Komitet Noblowski, w tym konkretnym przypadku jest jak najbardziej zasłużony. To doskonały przykład sytuacji, w której dysponujemy ogromną ilością danych o wysokiej jakości, które można ze sobą porównywać. Dzięki niezwykłej wydajności obliczeń można przewidzieć struktury białek, zarówno tych, które już znaliśmy i możemy zweryfikować, jak również tych, których jeszcze nie znaliśmy, a poznaliśmy dopiero później metodami eksperymentalnymi. To doskonały przykład, że sztuczna inteligencja może nam pomóc. Natomiast moim zdaniem nieprawdą jest, że sztuczna inteligencja bez wystraczającego dostępu do wartościowych danych może stworzyć nową jakość. Być może w przyszłości to będzie możliwe, ale musimy posługiwać się tym narzędziem bardzo krytycznie – prof. dr hab. Jacek Jemielity – Centrum Nowych Technologii UW.

– Ważnym aspektem tego odkrycia jest zaoferowanie pewnej „instrukcji obsługi” procesu zwijania białek. Dotychczasowa sytuacja przypominała układanie klocków, gdzie, choć mniej więcej wiemy, w jakiej kolejności je połączyć, dysponowaliśmy jedynie fragmentami instrukcji. Natomiast teraz dostaliśmy niemal pełną instrukcję. I nie dotyczy to tylko tych białek, które istnieją, tych sekwencji, które znamy z natury, ale również takich sekwencji, które możemy sobie wyobrazić jako syntetyczne i próbować na tej bazie budować układy, które będą miały specyficzne zastosowania. Warto podkreślić pozabiologiczne zastosowania. Przykładowo, w chemii panuje dość mocny trend polegający na znalezieniu pewnego rodzaju substancji naśladujących działanie enzymów, które mamy np. w organizmie i wykorzystanie ich np. w alternatywnych źródłach energii jako efektywnych cząsteczek umożliwiających pozyskiwanie tej energii. I teraz dostajemy narzędzie, które potencjalnie daje nam możliwość zaprojektowania takiego enzymu w pełni syntetycznego, który będzie charakteryzował się dużo większą trwałością niż enzymy pozyskiwane z żywych organizmów. Uważam, że jest to otwarcie na wielu tak naprawdę polach badawczych. Chciałbym podkreślić, że dzisiejsza nagroda jest ukłonem w stronę rzeszy naukowców, którzy przez lata pracowali nad rozwiązywaniem struktur białek. Bez pracy u podstaw i eksperymentalnych danych pozwalających ustalić ściśle te struktury, w tej chwili rozwiązanie struktur dla milionów białek byłoby prawdopodobnie mało realne – prof. dr hab. Sławomir Sęk – Zakład Chemii Nieorganicznej i Analitycznej, Wydział Chemii UW. 

Zgodnie z testamentem Alfreda Nobla ma nią zostać uhonorowana osoba, która dokona najważniejszego odkrycia lub ulepszenia w dziedzinie nauk chemicznych. Nagrodę w tej kategorii zdobyła m.in. Maria Skłodowska-Curie, ale nie jest to jedyny polski akcent związany z dziedziną chemii. Wyróżnienie przyznaje się od początku trwania konkursu, czyli od 1901 roku. Pierwszym jego laureatem został, uznawany za twórcę nowoczesnej chemii fizycznej, Jacobus Henricus van’t Hoff za „wkład w odkrycie praw dynamiki chemicznej i ciśnienia osmotycznego”.

Tegorocznymi laureatami nagrody Nobla w dziedzinie fizyki zostali John J. Hopfield i Geoffrey E. Hinton. Kapituła wyróżniła ich za fundamentalne odkrycia i wynalazki umożliwiające uczenie maszynowe za pomocą sztucznych sieci neuronowych. Komentarz ekspertów centrum informacyjnego Tygodnia Noblowskiego Centrum Współpracy i Dialogu UW.

– Moje pierwsze spotkania z fizyką były związane z Johnem Hopfieldem, który zasłynął z prac na temat ekscytonów w fizyce ciała stałego. Fakt, że w pewnym momencie postanowił porzucić tę dziedzinę, był dużym zaskoczeniem. Jednak teorie, które wymyślił, przetrwały i są nadal szeroko wykorzystywane. Cieszy mnie, że Hopfield zdał sobie sprawę, iż osiągnął wszystko, co zamierzał i postanowił przenieść swoje zainteresowania na neuroinformatykę, neurofizykę i neurobiologię. Koncepcje stosowane w tych dziedzinach są bardzo bliskie temu, czego my używamy w martwej naturze, jak np. propagacja polarytonów, czyli wzbudzeń takich, które są też w naszych neuronach. Jeśli zastanawiamy się, w jaki sposób ludzkie oko przetwarza obrazy i sygnały, okazuje się, że również tam zaprzęgnięte są naturalne sieci neuronowe.

Chciałbym podać przykład mojego studenta, który doskonale pokazuje, jak niesamowite są te połączenia. To student pierwszego roku. Uczenie maszynowe było dla niego początkowo jedynie hobby. Na początku studiów zaczął wykorzystywać te techniki do analizy zdjęć powierzchni kryształów, które się marszczyły. Człowiek mógł zauważyć różnice w zmarszczkach w zależności od sposobu hodowli kryształu, ale żeby to skwantyfikować, potrzebne były te metody. Studentowi udało się wyszkolić sieci neuronowe, które najpierw musiały się „nauczyć” rozpoznawać te wzory, a potem mogły dostarczać precyzyjnych danych ilościowych, nie tylko jakościowych. Moim zdaniem jest w tym dużo fizyki – prof. dr hab. Andrzej Wysmołek – Instytut Fizyki Doświadczalnej, Wydział Fizyki UW.

 

– Moim zdaniem należałoby nagradzać inteligencję wrodzoną, a nie sztuczną. Według mnie to odkrycie nie ma wiele wspólnego z fizyką. To podglądanie działania mózgu w bardzo uproszczony sposób. Pamiętam rok 1982 – wtedy John J. Hopfield zaproponował koncepcję sieci neuronowej. To była kompletna abstrakcja. Wiedzieliśmy już wtedy, że w mózgu funkcjonują miliardy neuronów, a możliwości komputerów tamtych czasów pozwalały na modelowanie może siedmiu, może dziesięciu neuronów. Pamiętam również backpropagation opracowane przez Hintona, które pojawiło się tuż po moich studiach, ale to również wydawało się kompletnie abstrakcyjne. Teraz mówimy o niesłychanie rozbudowanych sieciach neuronowych, o zastosowaniu ich do wielkich baz danych. Wciąż jednak, w moim odczuciu, mamy do czynienia bardziej ze skalą niż z nowym pomysłem fizycznym. Oczywiście, może to być użyteczne w fizyce, choć mam wątpliwości, czy faktycznie okaże się tak kreatywne i przełomowe. To może być użyteczne narzędzie, ale nadal – tylko narzędzie. Nawet Hinton podkreślał czynniki ryzyka związane z potencjalnym wykorzystaniem tego narzędzia w złych celach. Jeżeli ktoś tego użyje w złych celach, to może być niesłychanie silne narzędzie, które będzie bardzo, bardzo groźne. Za to osiągnięcie przyznałbym Nagrodę Turinga. Moim zdaniem Nagroda Nobla jest pewnym takim sacrum, które dostaje się za przełom w fizyce – prof. dr hab. Krzysztof A. Meissner – Instytut Fizyki Teoretycznej, Wydział Fizyki UW.

Fizyka była pierwszą z dyscyplin, którą Alfred Nobel wymienił w swoim testamencie. Zdaniem wielu specjalistów potwierdza to jej ówczesny status – najważniejszej dyscypliny naukowej. Nagroda w tej dziedzinie jest przyznawana od początku trwania konkursu, czyli od 1901 roku. Pierwszym jej laureatem został Wilhelm Conrad Röntgen za odkrycie promieni X, które obecnie stanowią jedno z głównych narzędzi diagnostycznych w medycynie.

 

***

Centrum Współpracy i Dialogu UW (CWiD UW) jest ogólnouniwersytecką jednostką powołaną na Uniwersytecie Warszawskim w celu promowania dokonań i sukcesów naukowych kadry akademickiej oraz udostępniania wiedzy i uniwersyteckich zasobów badawczych szerokiemu gronu odbiorców, partnerów oraz instytucji zewnętrznych. Jako platforma komunikacji i współpracy CWiD UW umożliwia przybliżanie społeczeństwu odkryć i możliwości nauki XXI wieku, a także rzetelnej wiedzy naukowej w obszarach aktualnych wyzwań społecznych i gospodarczych. Centrum służy wzmacnianiu głosu naukowców, wydziałów i innych jednostek UW w debacie publicznej i kształtowaniu jej jakości w oparciu o wiedzę opartą na faktach i najnowsze zdobycze nauki.