Nobelpristagare mötte unga forskare vid universitetet
John Jumper, en av årets Nobelpristagare i kemi, besökte Stockholms universitet 11 december för en föreläsning om arbetet med AlphaFold.
Fler bilder från besöket finns i botten på sidan.
Dagen efter Nobelprisceremonin och banketten i Stockholms stadshus besökte Nobelpristagaren John Jumper Stockholms universitet för att hålla en föreläsning och träffa doktorander och forskare inom molekylärbiologi och biokemi. Föreläsningen arrangerades av doktorandrådet vid Institutionen för molekylär biovetenskap, Wenner-Gren Institutet (MBW).
Nobelpris för prediktion av proteinstrukturer
Nobelpriset i kemi 2024 delades ut med hälften till den amerikanske professorn David Baker ”för datorbaserad proteindesign”, och den andra hälften gemensamt till Demis Hassabis och John Jumper, båda vid Google DeepMind i Storbritannien ”för proteinstrukturprediktion”.
Under 2020 presenterade Demis Hassabis och John Jumper AI-modellen AlphaFold2. Med hjälp av den har de kunnat förutsäga strukturen hos i stort sett alla de 200 miljoner proteiner som forskare har identifierat. Bland många vetenskapliga tillämpningar av AlphaFold2 kan nämnas att forskare nu bättre kan förstå antibiotikaresistens och skapa bilder av enzymer som kan bryta ned plast.
John Jumper, född 1985, inledde sin karriär som fysiker och övergick till teoretisk kemi innan han fick sin nuvarande tjänst som senior forskare vid Google DeepMind i London. Han konstaterade att svaren i sökande efter proteinstrukturer är fysik, men inte på det sätt som vi kanske tror – det är mer komplext än så. Det handlar om ”ko-evolution” i kombination med fysik.
AlphaFold2 hanterar stora mängder data
John Jumper beskrev AlphaFold2 som en ”ko-evolutionär process” där kunskap har införlivats från områden som biologi, kemi, datavetenskap och fysik. Han betonade också att all biokemi kommer ur data. Det finns stora mängder data – och data ”kan göra mycket”.
Han medgav att AlphaFold2 är ”ganska komplicerat” och visade hur det byggs upp genom att titta på sekvenser och använda olika mallar. AI-modellen har 48 lager, men genom att återanvända information tre gånger skapas ett djupare nätverk. Att bygga in vissa begränsningar i hur information skickas inom ett ramverk för djupinlärning kan också hjälpa inlärningen att nå en korrekt lösning snabbare.
Nya AlphaFold3
John Jumper talade också om nästa steg i utvecklingen, AlphaFold3. Denna nya AI-modell ska kunna förutsäga strukturer för alla typer av molekyler. Han berörde också AlphaFold Server. Detta är en webbtjänst som kan generera mycket exakta biomolekylära strukturförutsägelser som innehåller proteiner, DNA, RNA, ligander och joner, men som också kan modellera kemiska modifieringar för proteiner och nukleinsyror. Denna plattform är kopplad till den senaste AlphaFold 3-modellen.
Karriärvägar är sällan linjära
Efter föreläsningen var det fikastund och några av doktoranderna och forskarna tog tillfället i akt att prata med John Jumper. Därefter blev det en frågestund för doktoranderna med Nobelpristagaren. Frågorna handlade om allt från hur det kom sig att John Jumper vann Nobelpriset till hur hans karriär sett ut.
– Jag skulle säga att det viktigaste budskapet vi fick från hans svar är att karriärvägar sällan är linjära. Han sa att vi ska följa vår nyfikenhet och passion snarare än att följa traditionella vägar. Vi ska inte heller vara rädda för att sluta med något som inte tillfredsställer oss (han slutade till exempel sitt första doktorandprojekt) och att de bästa möjligheterna ibland kommer oväntat, säger Isabella Badolati, doktorand och en av arrangörerna av evenemanget.
Det ställdes också frågor om AlphaFold2 och om John Jumpers arbete med proteinveckning. En del frågor var tekniska och handlade om framtiden för strukturprediktion.
Massiv påverkan av AlphaFold2
Patrick Bryant introducerade föreläsningen med John Jumper. Han är biträdande lektor vid Institutionen för molekylär biovetenskap, Wenner-Gren Institute och har en forskargrupp som använder AI för att förutsäga proteiners struktur utifrån sekvensinformation. Enligt honom har AlphaFold2 haft en enorm inverkan på förståelsen av proteiners struktur.
– Men jag tror att dess verkliga potential ligger i proteininteraktioner och vi ser detta som det nuvarande fokuset för utveckling från DeepMind (AlphaFold3) och andra. Vi använde ursprungligen AlphaFold2 för protein-proteininteraktioner och samma MSA-procedur används i AlphaFold-multimer och AlphaFold3. I mitt labb bygger vi vidare på dessa nätverk för att göra mer specialiserade uppgifter som att förutsäga svårare proteininteraktioner och även för att utforma nya.
Vad är det viktigaste du tar med dig från John Jumpers besök?
– John är en fantastisk forskare med en djup förståelse för många olika områden. Han drivs av nyfikenhet och av att ha en positiv inverkan på världen. Studenterna tyckte att det var fantastiskt att ha honom här hos oss, säger Patrick Bryant.
Max Louski, doktorand och ordförande i doktorandrådet, tillägger:
– Jag tror att det viktigaste budskapet som John Jumper gav oss är att följa vår nyfikenhet trots vår bakgrund. De färdigheter som krävs kan vi ordna med på vägen.
Se officiella Nobelföreläsningen 2024 i kemi på Aula Magna, Stockholms universitet
Läs mer om Nobelpriset i kemi 2024
Bilder från John Jumpers besök
Senast uppdaterad: 12 december 2024
Sidansvarig: Kommunikationsavdelningen