MikroRNS, gépi tanulás és fehérjetervezés
Victor Ambros amerikai fejlődésbiológus és az ugyancsak amerikai Gary Ruvkun molekuláris biológus a mikroRNS felfedezéséért és a poszttranszkripciós génszabályozásban betöltött szerepének feltárásáért érdemelte ki az idei orvosi-élettani Nobel-díjat.
Az 1953-ban született Victor Ambros fejlődésbiológus (a Massachusettsi Egyetem professzora), illetve az 1952-ben született Gary Ruvkun (a Harvard Egyetem genetikus professzora) a ribonukleinsav-molekulák egy korábban nem ismert típusát fedezték fel, amelyekről kiderült, hogy alapvető szerepet játszanak a génszabályozásban. Azóta bebizonyosodott, hogy az emberi genom több mint ezer mikroRNS-t kódol. A genom sötét anyagaként is emlegetett mikroRNS-ek sok százmillió éve szabályozzák az élőlények génjeinek működését. Ha hiba csúszik a működésükbe, károsodhat a sejtek felépülése és funkciója. Ezért a mikroRNS-ek hatással vannak például a rák, illetve számos genetikai betegség kialakulására.
A fizikai Nobel-díjjal elismert amerikai John J. Hopfield (1933-ban Chicagóban született) és az 1947-ben Londonban született kanadai Geoffrey E. Hinton fejlesztette ki azokat az alapvető módszereket, amelyek nélkül nem létezhetnének az elektronikus rendszerekben világszerte elterjedt gépi tanulási eljárások.
John J. Hopfield olyan gépi asszociáción alapuló memóriát alkotott, amely elraktároz, majd előhív képeket és egyéb adatmintázatokat. Geoffrey E. Hinton módszere önállóan rátalál a betáplált adattömeg rejtett jellegzetességeire, és ezek segítségével azonosítani tudta a képek meghatározott részleteit. A 2024-es fizikai Nobel-díj kitüntetettjei az 1980-as évektől meghatározó szerepet játszottak a mesterséges neuronhálók létrejöttében. A díjat odaítélő testület szerint a két kutató felfedezései alapozták meg a gépi tanulás robbanásszerű fejlődését.
Számítógépes fehérjetervezésért és fehérje-térszerkezetek előrejelzéséért három kutatónak ítélték a 2024-es kémiai Nobel-díjat.
Az indoklás szerint a fehérjék az élet zseniális kémiai építőanyagai. A természetes fehérjék húsz aminosavból épülnek fel, és ezeket az aminosavakat gyakran az élet építőkockáinak is nevezik. David Bakernek, aki 1962-ben Seattle-ben született, sikerült a szinte lehetetlen bravúr: ezekből a kockákból 2003-ban egy teljesen új fehérjét tervezett, amelyhez hasonlót addig nem ismert a tudomány. Az 1976-ban Londonban született Demis Hassabis és az 1985-ben Little Rockban (Arizona) született amerikai John M. Jumper pedig olyan mesterségesintelligencia-modellt hoztak létre, amely a fehérjék összetett térszerkezetének előrejelzését segítette. Ők 2020-ban mutatták be az AlphaFold2 nevű modelljüket, amellyel megjósolták a kutatók által addig azonosított összes, nagyjából 200 millió fehérje szerkezetét. Azóta az AlphaFold2-t több mint kétmillióan használják a világ 190 országában.•
Címlapkép: unsplash/anastacia-dvi
