Нобелевские премии — 2024

Нобелевский комитет назвал имена тех, кто в этом году получил самые престижные в мире научные премии по физиологии и медицине, химии и физике. Сибирские ученые традиционно рассказали о сути исследований нобелевских лауреатов, а также о том, какие работы по этим тематикам ведут институты и вузы Сибири.

Лауреатами Нобелевской премии по физиологии и медицине в 2024 году стали Виктор Эмброс (США) и Гэри Равкан (США) за открытие микроРНК и ее роли в посттранскрипционной регуляции генов. О важности и применении этих исследований рассказал директор Института химической биологии и фундаментальной медицины СО РАН доктор химических наук Владимир Васильевич Коваль. 

Владимир Коваль«Существует Центральная догма молекулярной биологии, согласно которой генетическая информация, заложенная в виде ДНК, передается в процессе транскрипции в РНК, далее в ходе трансляции преобразуется в белок. Эта догма обрастает большим количеством новых дополнений. Помимо того, что РНК способна нести генетическую информацию и преобразовывать ее в белок, оказалось, что у нее также есть и другие функции. Первые научные публикации на тему малых некодирующих РНК — микроРНК — начали появляться в начале 1990-х годов, именно тогда Виктор Эмброс впервые обнаружил, что в клетках находятся небольшие короткие последовательности РНК, состоящие в среднем из 20 нуклеотидов, которые не транслируются в белки. Это исследование позволило определить, что микроРНК способны регулировать экспрессию генов на уровне транскрипции и трансляции и блокировать производство белка. Известно более полутора тысяч малых некодирующих РНК, регулирующих экспрессию генов, а их уровень в клетке может свидетельствовать о наличии каких-либо патологических изменений. Сегодня микроРНК относится к фундаментальному знанию, которое составляет основу знаний о клетках, а открытие малых некодирующих РНК сильно расширило наше понимание природы», — рассказал В. В. Коваль. 

Исследования в области изучения и применения РНК за последние 20 лет уже в третий раз отмечаются присуждением Нобелевской премии по физиологии и медицине. В 2006 году американские ученые Эндрю Файер и Крейг Мелло стали лауреатами премии за открытие РНК-интерференции — эффекта гашения активности определенных генов. В 2023 году венгерский биохимик Каталин Карико и американский иммунолог Дрю Вайсман получили Нобелевскую премию за открытия, позволившие создавать мРНК-вакцины, прежде всего против коронавирусной инфекции. 

«В прикладной медицинской науке знания о различных молекулах РНК, в частности о микроРНК, используются в разработке лекарственных препаратов, а также в диагностике различных болезней, в числе которых лейкозы, колоректальный рак, сердечно-сосудистые заболевания, кардиомиопатии и другие. Подобные открытия становятся возможными, когда появляются новые инструментальные методы», — отметил ученый. 

По словам директора ИХБФМ СО РАН, в лаборатории биохимии нуклеиновых кислот института начали заниматься тематикой микроРНК в середине 1990-х годов, одним из первых этими исследованиями заинтересовался нынешний научный руководитель ИХБФМ СО РАН академик Валентин Викторович Власов. Сегодня под руководством члена-корреспондента РАН Марины Аркадьевны Зенковой научные сотрудники лаборатории активно исследуют микроРНК, РНК-интерферирующие и их возможное применение в медицине, в частности в диагностике и терапии, а среди основных направлений деятельности лаборатории — разработка новых методов регуляции экспрессии генов и терапевтических средств на основе олигонуклеотидов и их аналогов. В числе важнейших результатов работы — исследование микроРНК-направленных противоопухолевых препаратов, оценка их терапевтического потенциала и специфичности их действия, а также введение химических модификаций в состав синтетических микроРНК для увеличения терапевтического эффекта; изучение малых интерферирующих РНК для улучшения их доставки в клетки. 

Нобелевскую премию по физике в этом году присудили американскому ученому Джону Хопфилду и британско-канадскому исследователю Джеффри Хинтону за «основополагающие открытия и изобретения, которые сделали возможным машинное обучение с использованием искусственных нейросетей». 

Михаил Марченко«Этих ученых можно считать прародителями нейросетей. Джон Хопфилд изобрел полносвязную нейронную сеть с симметричной матрицей связи. За основу он взял соотношения из физики — теорию магнетизма и спиновые модели — и создал инструмент для распознавания любой информации, закодированной в матрице. Джеффри Хинтон пошел дальше и на основе сети Хопфилда разработал нейросеть под названием «машина Больцмана», которая обладала свойством стохастичности и позволяла решать сложные комбинаторные задачи, а также задачи оптимизации. Это действительно рабочие инструменты. Однако они не очень широко применялись, потому что массово доступные компьютеры тогда были достаточно слабыми, а потом стали появляться другие инструменты. В настоящее время используются уже другие архитектуры нейросетей: сверточные нейронные сети, трансформеры, диффузионные, PINN и так далее», — отметил директор Института вычислительной математики и математической геофизики СО РАН, заведующий кафедрой вычислительных систем механико-математического факультета Новосибирского государственного университета и главный научный сотрудник Центра искусственного интеллекта НГУ доктор физико-математических наук Михаил Александрович Марченко.

Важно отметить, что математические основы нейросетей были разработаны именно в нашей стране. В 1957 году великие советские математики Андрей Николаевич Колмогоров и Владимир Игоревич Арнольд решили тринадцатую проблему Гильберта, доказав, что сложные функции можно заменять простыми, а все существующие математические операции — сложением и суперпозицией. В 1980-х годах четко была показана связь этого открытия с нейросетями.

На сегодняшний день в России есть ряд очень сильных университетов, институтов и высокотехнологичных компаний, где разрабатываются и применяются к новым задачам нейросети и создаются центры искусственного интеллекта. Это и Московский государственный университет им. М. В. Ломоносова, и Московский физико-технический институт (государственный университет), и Санкт-Петербургский государственный университет, и Университет ИТМО (Санкт-Петербургский государственный университет информационных технологий, механики и оптики), и Новосибирский государственный университет, и Институт AIRI, и Яндекс, и МТС и многие другие.

Так, в Центре искусственного интеллекта НГУ ведется разработка методов искусственного интеллекта для умного города. Среди проектов центра — цифровые двойники для управления городскими инфраструктурами и строительными проектами, городской транспорт, распределительные сети для энергетики, эксплуатация в городе полупроводниковых edge-устройств, компьютерное зрение для медицинских задач. В Институте математики им. С. Л. Соболева СО РАН и в НГУ в школе академиков Юрия Леонидовича Ершова и Сергея Савостьяновича Гончарова разрабатываются базовые методы семантического моделирования — основы создания доверенных систем искусственного интеллекта. Ученые Математического центра в Академгородке занимаются в том числе созданием нейросетевых подходов, которые позволят анализировать распространение эпидемий в стране. В Институте систем информатики им. А. П. Ершова СО РАН работает школа академика Андрея Петровича Ершова. 

В Академгородке методы искусственного интеллекта в свое время начали разрабатывать в Вычислительном центре СО АН СССР (прежнее название ИВМиМГ СО РАН) по инициативе академика Гурия Ивановича Марчука. «В Институте вычислительной математики и математической геофизики СО РАН мы применяем системы искусственного интеллекта для создания цифрового двойника ЦКП “Сибирский кольцевой источник фотонов”, а также для обработки геофизических данных, решения задач природоохранного прогнозирования, вычислительной химии, биоинформатики, разработки методов информационной безопасности для анализа атак на вычислительные системы и системы хранения данных», — рассказал Михаил Марченко.

В Институте теплофизики им. С. С. Кутателадзе СО РАН на основе методов искусственного интеллекта создаются программные комплексы для математического моделирования процессов тепломассопереноса в газах и жидких средах. Ученые Института физики полупроводников им. А. В. Ржанова СО РАН делают элементную базу для отечественных вычислительных систем, анализируют новые виды вычислительных устройств. В ФИЦ «Институт цитологии и генетики СО РАН» разрабатываются методы обработки больших биологических данных и поиска биологической информации по научным публикациям.  

«Как я понял из комментариев ведущих специалистов по искусственному интеллекту, многим из них решения нобелевского комитета сейчас кажутся нелогичными, но я думаю, что со временем всё разъяснится. То, что Нобелевские премии по физике и химии в этом году дали за исследования в области информационных технологий, фактически говорит о том, какой прорыв позволили совершить нейросети в этих областях», — сказал Михаил Марченко. 

Нобелевскую премию по химии в 2024 году получили американский профессор Дэвид Бейкер и британские исследователи, научные сотрудники компании Google DeepMind, Демис Хассабис и Джон Джампер за дизайн и предсказание структуры белков вычислительными методами. О значимости этой научной работы рассказал заместитель директора Института химической биологии и фундаментальной медицины СО РАН, заведующий лабораторией структурной биологии кандидат физико-математических наук Александр Анатольевич Ломзов.

Александр Ломзов«Джон Джампер и Демис Хассабис создали программу на базе искусственного интеллекта AlphaFold. Они научились с помощью методов машинного обучения предсказывать пространственную структуру белков. До них эту проблему никто не мог решить более пятидесяти лет. Дэвид Бейкер разработал алгоритмы и программы для дизайна белков. Благодаря инструментам и открытиям этих ученых поиск лекарственных препаратов должен значительно ускориться. Классический поиск состоит в том, что нужно взять структуру белка и подобрать к ней молекулы, которые подойдут под функциональные части этого белка, как ключ к замку. Однако задача не так проста: мы не знаем пространственную структуру большинства белков. С помощью программы AlphaFold можно решить эту проблему. Есть и фундаментальная польза открытий: с помощью знаний о пространственной структуре белков ученые смогут лучше понимать роль тех или иных белков в клетках и живых организмах», — сказал Александр Ломзов. 

Получение структуры белков экспериментальными методами — сложный процесс. На первом этапе необходимо получить и наработать в больших количествах белок для последующих экспериментов, что не всегда возможно. Сейчас это делают тремя способами: с помощью рентгеновской кристаллографии, ЯМР-спектроскопии и криоэлектронной микроскопии. В первом случае необходимо получить кристалл белка и расшифровать его структуру на основании данных рассеивания рентгеновских лучей. Второй метод заключается в том, что нужно взять специальным образом меченный белок, провести с помощью ЯМР-спектрометра эксперименты, проанализировать полученные спектры и попытаться установить структуру. Третий способ предполагает, что образцы мгновенно замораживают и исследуют с помощью электронного микроскопа при температуре жидкого азота. Чтобы восстановить пространственную структуру из экспериментальных данных, нужно иметь большие компьютерные мощности. Кроме того, все эти методы дорогостоящие и трудоемкие, могут занимать до нескольких лет работы при определении структуры только одного белка. Такие инструменты, как AlphaFold, позволят проводить исследования гораздо удобнее.

Структуру белков изучают и в ИХБФМ СО РАН. В 2022 году ученым удалось первыми в мире получить структуру человеческого белка NEIL2 (гликозилазы), отвечающего за репарацию поврежденных оснований ДНК. Помимо этого, ИХБФМ СО РАН является оператором станции «Структурная диагностика» Центра коллективного пользования «Сибирский кольцевой источник фотонов». Здесь будут проводить исследования методом макромолекулярной, или белковой, кристаллографии.

«В нашем институте ведутся разноплановые исследования структуры и функций белков, мы занимаемся поиском новых природных белков, созданием терапевтических соединений на их основе. Нам необходимо понимать, как работают белки, а без построения и анализа пространственной структуры это практически невозможно. Оба подхода — и компьютерный дизайн, и построение структуры с помощью AlphaFold — имеют большой потенциал и уже активно применяются для разработок в области биомедицины: это и терапевтические соединения, и диагностические тест-системы. Также они используются в области практически применимых вещей, например в сыроварении, где необходимо создавать функциональные белки для сворачивания молока, или в области зеленых технологий — для разработки ферментов, которые бы расщепляли пластик. Разница в подходах лишь в первоначальных данных. В случае компьютерного дизайна исследователи задают нужные функции белков и пытаются под них создать аминокислотные последовательности белков. Во втором методе анализируются данные о последовательности аминокислот, и на основе этого создаются модели трехмерной структуры белков», — отметил ученый.

Подготовили Кирилл Сергеевич, Диана Хомякова, Полина Щербакова

Фото предоставлены спикерами и из открытых источников