AlphaFold si Premiul Nobel in Chimie 2024

Anul acesta, Premiul Nobel in Chimie a fost acordat pentru inovații remarcabile în domeniul determinării structurii proteinelor laureatiilor David Baker, Demis Hassabis și John Jumper. Laureații au revoluționat biologia structurală prin dezvoltarea unor tehnologii avansate, inclusiv aplicații de inteligență artificială, care permit vizualizarea moleculelor biologice la nivel atomic.

De ce structura proteinelor este importanta?

Pentru a înțelege cum funcționează viața, trebuie mai întâi să înțelegem proteinele. Pentru a înțelege proteinele, trebuie să știm structura lor. Medicamentele, cancerul, bolile genetice — toate au la bază, într-un fel sau altul, o proteină care trebuie manipulată pentru a permite dezvoltarea unei terapii eficiente. Iar pentru a manipula proteinele, este esențial să cunoaștem structura lor în detaliu.

De ce aceste descoperiri sunt inovative?

Înainte de inovațiile recente premiate cu Nobel, structura proteinelor era determinată prin metode tradiționale, dintre care cea mai utilizată timp de decenii a fost cristalografia cu raze X. Aceasta presupunea cristalizarea proteinei, proces laborios și adesea dificil, în care moleculele trebuiau aranjate într-o formă ordonată pentru a forma un cristal. Ulterior, cristalul era expus la raze X, iar modelul de difracție produs era analizat pentru a deduce structura atomică.

Cristalografia cu raze X are limitări semnificative dintre care cele mai mari sunt:

• multe proteine, în special cele membranare sau cele mari și flexibile, sunt dificil sau imposibil de cristalizat
• procesul de cristalizare putea dura luni sau chiar ani de zile.

Aceste progrese sunt foarte importante pentru descoperirea de medicamente, diagnosticarea bolilor și înțelegerea mecanismelor fundamentale ale vieții. Utilizarea inteligenței artificiale permite procesarea unor cantități mari de date și predicții mai precise ale structurilor proteinelor iar aceste predictii influenteaza semnificativ progresele în acest domeniu. Asadar, vor aparea curand foarte multe terapii datorate acestor inovatii.

Cum exact ajuta AlphaFold cercetatorii

Medicamente precum Flamexin, Ozempic, Vimovo, Tramadol și Doreta acționează asupra unor proteine sau enzime specifice implicate în inflamație, durere, metabolism sau alte procese biologice esențiale. În mod similar, Leaky Gut Syndrome (sindromul intestinului permeabil) este asociat cu modificări ale proteinelor care reglează funcțiile barierei intestinale, precum occludina și claudinele.

AlphaFold permite modelarea detaliată a acestor proteine, dezvăluind structura lor tridimensională cu o precizie excepțională. Această înțelegere detaliată ajută cercetătorii să identifice puncte de interacțiune moleculară unde medicamentele pot fi mai eficiente.

Flamexin este un antiinflamator iar Vimovo este un antiinflamator cu protecție gastrică. Aceste medicamente pot fi optimizate prin înțelegerea proteinelor implicate în inflamație, cum ar fi ciclooxigenazele (COX-1 și COX-2). AlphaFold oferă modele precise ale acestor enzime, facilitând dezvoltarea de medicamente cu mai puține efecte secundare.

Ozempic (o semaglutida, adica o proteina) este utilizat în tratamentul diabetului de tip 2 prin acționea asupra receptorului GLP-1 (glucagon-like peptide-1). AlphaFold permite o modelare mai detaliată a acestui receptor, contribuind la proiectarea unor molecule mai eficiente și mai specifice pentru reglarea glicemiei.

Tramadol și Doreta sunt analgezice utilizate pentru tratarea durerii care influențează proteine din calea semnalizării neuronale, cum ar fi receptorii opioizi. Modelele AlphaFold pot îmbunătăți înțelegerea interacțiunilor lor și pot ajuta la proiectarea de analgezice mai sigure, cu risc redus de dependență.

În cazul Leaky Gut Syndrome, AlphaFold facilitează studierea proteinelor care formează joncțiunile strânse (tight junctions) din epiteliul intestinal, oferind indicii pentru dezvoltarea de terapii care să întărească bariera intestinală și să reducă permeabilitatea.

In cazul florei intestinale, proteinele produse de microbiom (cum ar fi enzimele metabolice, moleculele semnalizatoare și factorii de adeziune) influențează procesele noastre biologice. AlphaFold poate prezice structura acestor proteine microbiene, permițând o înțelegere mai detaliată a interacțiunilor lor cu alte elemente precum sistemul imunitar sau chiar medicamentele mai sus mentionate.

AlphaFold accelerează procesul de descoperire a medicamentelor prin oferirea unor informații detaliate despre structura și funcționarea proteinelor care sunt tinta majoritatii medicamentelor.

Succesul AlphaFold si baza de date folosita

Demis Hassabis și John Jumper au fost instrumentali in dezvoltarea algoritmului AlphaFold în cadrul companiei DeepMind. Aceasta compania a fost achiziționată de Google în anul 2014. AlphaFold a adus inovații fără precedent în înțelegerea structurii proteinelor, un domeniu care a fost o provocare majoră în biologie de decenii întregi. Algoritmul AlphaFold folosește tehnici avansate de inteligență artificială pentru a prezice cu o precizie excepțională structurile tridimensionale ale proteinelor pornind de la secvența lor de aminoacizi.

Este important să ne amintim că succesul AlphaFold stă pe umerii deceniilor de muncă în standardizarea datelor privind structura proteinelor. Dezvoltarea unui astfel de algoritm ar fi imposibilă fără existența unei baze de date cu structuri de proteine deja cunoscute. RCSB Protein Data Bank, Protein Data Bank in Europe (PDBe) și inițiative similare au pus bazele prin crearea unui format unificat pentru fișierele de structură a proteinelor, făcând datele accesibile și interoperabile global.

Fără aceste eforturi fundamentale de standardizare și partajare a datelor, AlphaFold nu ar fi avut seturile complexe de date de care avea nevoie pentru acest succes. Toate aceste baze de date au fost dezvoltate de oameni de știință de-a lungul unor decenii si este important sa ne amintim aceste eforturi.

Premiul Nobel in Chimie pentru prima structura proteica

Prima structură proteică pe care o cunoaștem a fost descoperită în anul 1958, de către Max Perutz și John Kendrew, care au reușit să dezvăluie structura hemoglobinei și mioglobinei folosind cristalografia cu raze X.

Aceste descoperiri au marcat începutul unei ere fundamentale în biologia moleculară, deschizând calea pentru înțelegerea structurii proteinelor și pentru dezvoltarea unor tehnologii precum AlphaFold. În 1962, pentru realizările lor, Perutz și Kendrew au fost recompensați cu Premiul Nobel pentru Chimie, recunoașterea muncii lor inovative în descifrarea structurii proteinelor.

Cum sa folosesti AlphaFold

Google DeepMind și Institutul European de Bioinformatică al EMBL (EMBL-EBI) au colaborat pentru a crea AlphaFold DB si pentru a face aceste predicții disponibile în mod gratuit comunitatii științifice. Aici poti gasi peste peste 200 de milioane de predictii de structuri proteice si care cuprinde si aproape întregul proteomul uman (98,5% din proteinele umane).

Pentru mai multe inovatii medicale mergeti AICI.