Varje år bjuder Svenska Kemisamfundet in kemister inom området att kommentera årets Nobelpris i kemi. Se svar från tre forskare nedan.

Årets Nobelpris i kemi delas mellan tre forskare för deras arbete med proteinstrukturer. Ena hälften av priset går till David Baker, professor vid University of Washington, USA, ”för datorbaserad proteindesign” och den andra hälften gemensamt till Demis Hassabis och John M. Jumper, båda från Google DeepMind, London, Storbritannien ”för proteinstrukturprediktion” i form av maskininlärningsverktyget Alphafold.

År 2003 lyckades David Baker med konststycket att designa ett helt nytt protein med hjälp av AI-programmet Rosetta. Sedan dess har hans forskargrupp byggt nya proteinkreationer för en rad olika applikationer — allt från medicin till nanomaterial. Illustration från nobelprize.org av några av de proteiner som designats med Rosetta.

Den andra upptäckten handlar om att kunna förutspå hur proteiner ser ut utifrån sekvensen av aminosyror. Det har historiskt sett varit mycket svårt men för fyra år sedan skedde ett enormt genombrott när Demis Hassabis och John Jumper presenterade AI-modellen AlphaFold år 2020. Med hjälp av den har de kunnat förutspå strukturen för i princip alla de 200 miljoner proteiner som forskare känner till. Sedan genombrottet har AlphaFold2 använts av mer än två miljoner personer från 190 länder. Klicka här för en att se en illustration av hur AlphaFold fungerar (nobelprize.org)

Forskare inom området om Nobelpriset i kemi 2024:

Maria Selmer, professor i biologi, särskilt strukturbiologi, vid Uppsala universitet.

Både proteindesign och prediktion av proteinstrukturer har tillämpningar inom exempelvis bioteknik och läkemedelsutveckling, så upptäckterna gynnar inte bara akademisk forskning.

Tycker du att detta var värt Nobelpriset i kemi och i så fall varför?

─ Ja, fantastiskt roligt och bra val. Pristagarna har gjort fundamentala genombrott som flyttat gränserna för vad som är möjligt att göra.

Vad har dessa upptäckter betytt för dig och din forskning och för forskningen i stort?

─ Att kunna förutsäga proteinstruktur från proteinsekvens med hjälp av AlphaFold har fundamentalt ändrat spelreglerna för alla som arbetar med proteiner. För mig som experimentell strukturbiolog betyder det att det alltid finns en hypotes att starta från, och att vi kan ställa vassare frågor. Programmen för strukturprediktion är så lättanvända att vi också använder dessa i undervisningen, jag ser fram emot att kunna skicka höstens studenter på Nobel-föreläsning. Både proteindesign och prediktion av proteinstrukturer har tillämpningar inom exempelvis bioteknik och läkemedelsutveckling, så upptäckterna gynnar inte bara akademisk forskning.

Läs Maria Selmers artikel om AlphaFold från Kemisk tidskrift nr 4 2021: AI avslöjar proteinstrukturer på nolltid

Har du någon kommentar om de personer som fick priset? 

─ Jag har under min forskarkarriär läst massor av artiklar av David Baker, men aldrig träffat honom. Han är känd för att sällan resa eftersom han prioriterar att vara närvarande i sin forskargrupp. John Jumper träffade jag på ett Wenner-Gren symposium i Stockholm i somras, han är mycket visionär och en kul person.

Pål Stenmark, professor i biokemi, Stockholms universitet.

Med dessa verktyg vet vi ungefär hur alla proteiner ser ut, vi kan nu istället fokusera på att i detalj undersöka hur proteinerna faktiskt fungerar.

Tycker du att detta var värt Nobelpriset i kemi och i så fall varför?

─ Det är ett mycket välförtjänt pris. De har löst problem som många trodde var omöjliga att lösa. Upptäckterna har också väldigt många tillämpningar.

Vad har dessa upptäckter betytt för dig och din forskning och för forskningen i stort?

─ De har betytt mycket för vår forskning, vi har nu kunnat lösa problem snabbt som tidigare tagit mycket lång tid. Kombinationen av dessa metoder och experimentell strukturbiologi är mycket givande. Med dessa verktyg vet vi ungefär hur alla proteiner ser ut, vi kan nu istället fokusera på att i detalj undersöka hur proteinerna faktiskt fungerar och även hur vi kan tillverka läkemedel som påverkar deras funktioner och botar sjukdomar.

Har du någon kommentar om de personer som fick priset? 

─ De är alla fantastiska forskare som gärna samarbetar och även tillgängliggör sina upptäckter, så att alla kan använda dessa fantastiska nya verktyg.

Luca Jovine, professor of structural biology, Karolinska Institutet

Can you provide a comment?

─ As a structural biologist, I could only be delighted by the announcement of the 2024 Nobel Prize in Chemistry. This is not only because of the far-reaching discoveries and practical applications that are already emerging thanks to computational protein design and protein structure prediction, but also because this year’s prize underlines the crucial importance of integrating different kinds of approaches and information. In a way, I think that the prize can be seen as a recognition of the painstaking efforts of the whole community of experimental structural biologists. Over the course of several decades, scientists using X-ray crystallography, NMR and cryo-EM accumulated the knowledge (the >200,000 structures deposited in the Protein Data Bank) that has been essential to develop and train tools like Rosetta and AlphaFold. At the same time, these computational tools have also built upon decades of scientific software development, as well as the long-term confidence of the CASP community that protein structure prediction would eventually succeed. Now that all is said and done, AlphaFold and Rosetta have closed the circle by both empowering experimental structural biology and dramatically extending its reach. This synergy is extremely powerful for gaining detailed insights into important biological problems, and the future of structural biology is thus brighter than ever!

It would have been completely unfeasible for experimental techniques alone to cover the breadth of the entire protein universe.

Do you think this was worth the Nobel Prize in Chemistry and if so why?

─ Yes, absolutely! The Nobel Prize in Chemistry is awarded for contributions that significantly benefit humanity, and there is no doubt that both of these discoveries meet that criterion. This is because it would have been completely unfeasible for experimental techniques alone to cover the breadth of the entire protein universe. Thus, the availability of a computational tool that can accurately predict the enormous number of ”missing” structures is a true game-changer. On the other hand, de novo protein design allows us to transcend the limits of natural evolution, creating molecules with optimized or novel functions.

What have these discoveries meant for you and your research and for research in general?

─ These discoveries impacted the research of my own group in two different ways. First, AlphaFold allowed us to determine experimental structures of proteins involved in reproduction and antibacterial defense, for which we had collected challenging crystallographic or cryo-EM data that would have been otherwise difficult to make sense of. Second, it allowed to get in silico hints about which of the proteins we are interested in may interact with each other. On a broader scale, these discoveries are revolutionizing protein science by both allowing to design protein molecules tailored to address specific biological problems and to produce generally highly accurate 3D models of proteins that are important for biology and medicine but whose structures have not yet been obtained experimentally. The predictions can reveal unexpected similarities between proteins with highly different amino acid sequences, shedding light on how molecules evolve; powerfully complement genetic and proteomic studies by providing comprehensive 3D information on the proteome; and, last but not least, inform therapeutic interventions and drug design efforts.

Do you have any comments about the people who received the award?

─ We have been lucky to collaborate relatively early on with John Jumper and Kathryn Tunyasuvunakool at DeepMind. In addition to being a very stimulating experience in terms of what it ultimately brought to our projects, this revealed how much their team cared about the actual science. In particular, I was impressed by how, despite all the hype that was rapidly building around AlphaFold, they strived to be fair about its limitations.

Har du något att säga om årets Nobelpris i kemi? Mejla då till erika.lindbom@kemisamfundet.se

Text: Erika Lindbom Sierakowiak