Przyjrzyjmy się bliżej nagrodzonym pracom badawczym w dziedzinach fizyki, chemii, medycyny lub fizjologii oraz ekonomii, z perspektywy badaczy Uniwersytetu Łódzkiego. Warto zauważyć, że w pierwszych trzech kategoriach coraz trudniej jednoznacznie przypisać osiągnięcia do jednej dziedziny – współczesna nauka jest niezwykle interdyscyplinarna, łącząc różne obszary wiedzy w poszukiwaniu przełomowych rozwiązań dla globalnych wyzwań.
Nagroda Nobla w fizyce: Uznanie dla innowacji w sztucznej inteligencji
John Hopfield, z wykształcenia fizyk, od lat 70. prowadził badania, które miały na celu lepsze zrozumienie funkcjonowania ludzkiego mózgu za pomocą matematycznych modeli. W 1982 roku opracował swój przełomowy model sieci neuronowej, który – w dzisiejszych kategoriach – był prostą, jednowarstwową siecią neuronów. Co ją wyróżniało? Hopfield wprowadził mechanizm sprzężenia zwrotnego, czyli sytuację, w której wyjście jednego neuronu wpływa na wejścia pozostałych. To rozwiązanie pozwoliło stworzyć model, który mógł „uczyć się” i zapamiętywać wzorce, co było niezwykłym osiągnięciem na tamte czasy. Dzięki temu modelowi, nazwanemu później „siecią Hopfielda”, stało się możliwe rozwijanie bardziej złożonych systemów sieci neuronowych, które znalazły zastosowanie w sztucznej inteligencji i innych dziedzinach technologii.
Kilka lat później Geoff Hinton, który miał wówczas doktorat z informatyki, rozszerzył tę idee i wprowadził do nich rewolucyjną metodę zwaną „wsteczną propagacją błędu”. To właśnie dzięki niej sieci neuronowe mogą skutecznie „uczyć się” poprzez poprawianie swoich błędów na każdym etapie treningu. Jest to technika, która do dzisiaj stanowi fundament większości współczesnych systemów sztucznej inteligencji. Hinton badał również tzw. maszyny Boltzmanna, które były innym ważnym krokiem na drodze do rozwinięcia nowoczesnych systemów AI.
Nagroda Nobla dla tych dwóch wybitnych badaczy nie jest przypadkiem – ich prace miały kluczowy wpływ na rozwój technologii, z której obecnie korzystamy każdego dnia. Co ciekawe, Hinton jest także laureatem Nagrody Turinga, prestiżowego wyróżnienia przyznawanego w dziedzinie informatyki, co czyni go wyjątkowym uczonym, docenianym zarówno w świecie fizyki, jak i nauki komputerowej.
Powyższy tekst opracował Dziekan Wydziału Fizyki i Informatyki Stosowanej dr hab. Tomasz Gwizdałła, prof. UŁ, który podkreśla, że cieszy go nagroda, która podkreśla ścisły związek między fizyką i informatyką.
Obydwie dziedziny, są kluczowe dla mojego Wydziału. To wyróżnienie jest dowodem na to, że współczesna nauka rozwija się na pograniczu różnych dyscyplin. Na Wydziale prowadzimy zarówno badania w dyscyplinie informatyki nad rozwijaniem idei zaproponowanej przez Noblistów, jak i pracujemy nad fizyczną realizacją sztucznych synaps, które stanowią podstawę hardwarowych sieci neuronowych w ramach projektu NCN.
Nagroda Nobla z chemii: za rozpracowanie struktury białek – podstawowych narzędzi życia
Nagroda Nobla w dziedzinie chemii w 2024 roku przyznana została za dwa oddzielne, chociaż związane tematycznie osiągnięcia: sir Demisa Hassabisa i Johna Jumpera nagrodzono za przewidywanie struktury białek, a prof. Davida Bakera za obliczeniowe projektowanie białek.
Zwijanie białek – jak natura tworzy molekularne fundamenty życia
Wszystkie białka, podstawowe składniki żywej materii, to liniowe polimery składające się z aminokwasów. Ponieważ proces produkcji (biosyntezy) białek w żywych organizmach regulowany jest przez informację zawartą w materiale genetycznym, zestaw możliwych aminokwasów wbudowywanych w powstający łańcuch jest silnie ograniczony do ok. 20 różnych związków. Mimo to, ponieważ białka składają się z kilkudziesięciu, kilkuset lub nawet kilku tysięcy reszt aminokwasowych, liczba możliwych kombinacji jest ogromna. Mimo tej liniowej budowy białka nie są cząsteczkami w kształcie długiego sznura – łańcuch reszt aminokwasowych zwija się w przestrzeni w skomplikowane struktury zwane drugo- i trzeciorzędowymi. Jak łatwo sobie wyobrazić, sposobów takiego zwinięcia i w związku z tym możliwych struktur przestrzennych tego samego białka jest nieomal nieskończenie wiele, a wszak w przyrodzie tylko jedna lub kilka spośród tych struktur będą właściwe dla roli biologicznej, jaką ma mieć dane białko w komórkach, tkankach i organizmie.
W procesie biosyntezy białek etap przyjmowania przez nowo powstające cząsteczki właściwej struktury, nazywany właśnie zwijaniem lub składaniem (po angielsku folding), jest ułatwiany przez złożoną maszynerię tzw. białek opiekuńczych, które naprowadzają elementy łańcucha w odpowiednie układy przestrzenne. Właśnie ta zdolność białek do przyjmowania określonych, bardzo rozmaitych kształtów – czasem podobnych dla bardzo różnych białek, a czasem drastycznie różniących się w przypadku białek o podobnej sekwencji – zdecydowała o uniwersalności białek jako podstawowych narzędzi molekularnych życia, których ewolucja determinuje różnorodność świata żywego.
AlphaFold2: efekt globalnego wysiłku i lat badań nad białkami
Biofizyczne metody praktycznego poznawania struktury przestrzennej gotowych białek istnieją już od kilkudziesięciu lat. Jednak od samego początku marzeniem badaczy była umiejętność przewidywania struktury, tzn. określenia rozmieszczenia kolejnych reszt aminokwasowych w przestrzeni tylko na podstawie wiedzy o ich kolejności (która jest od dłuższego czasu łatwa do uzyskania, ponieważ jest zakodowana w genach, które umiemy sekwencjonować). Ze względu na wagę tego zagadnienia – możliwość przewidywania struktury na podstawie sekwencji genu ułatwia projektowanie leków, określanie funkcji białek w procesach fizjologicznych i patologicznych, zastosowania biotechnologiczne itp. – tysiące badaczy na całym świecie tworzyło metody, modele i dedykowane oprogramowanie do tego celu.
Od 1994 roku spotykali się oni co dwa lata na otwartym konkursie Critical Assessment of Structure Prediction (CASP), w czasie którego porównywano efektywność różnych algorytmów. W roku 2020 konkurs CASP został z wielkim hukiem wygrany przez program AlphaFold2, stworzony przez zespół z firmy DeepMind (będącej własnością Google). Wyjątkowość tego osiągnięcia polega między innymi na jego nieoczekiwanym charakterze: zamiast starannych, opartych na głębokiej wiedzy algorytmach predykcyjnych AlphaFold2 stosuje głębokie uczenie maszynowe. Dzięki tej rewolucji problem przewidywania struktur białek uznany został za w dużej mierze rozwiązany, programu AlphaFold2 użyto do zaproponowania prawdopodobnych struktur wszystkich znanych nauce białek, a osoby najbardziej odpowiedzialne za ten przełom – założyciel DeepMind i pomysłodawca najważniejszych zasad zastosowanego uczenia maszynowego Demis Hassabis i kierownik zespołu badawczego, który stworzył AlphaFold2, John Jumper – otrzymały właśnie nagrodę Nobla.
Najmłodszy noblista od ponad 70 lat
Co ciekawe, John Jumper jest najmłodszym laureatem nagrody Nobla w dziedzinie chemii od ponad 70 lat, jest jednocześnie pierwszym od dawna laureatem, który nigdy nie kierował grupą badawczą w tzw. akademii, czyli w instytucjach naukowych, a całą karierę zawodową spędził w tzw. przemyśle, czyli w komercyjnych firmach, dla których rozwój wiedzy jest tylko narzędziem do sukcesu ekonomicznego.
Noblista z branży gier komputerowych
Z kolei sir Demis jest pierwszym laureatem naukowej nagrody Nobla, który sporą część kariery spędził w przemyśle gier komputerowych, jako programista w studiu Lionhead, a następnie założyciel studia Elixir (chociaż gry zaprojektowane przez niego nie odniosły szczególnego sukcesu).
Nagroda za wysiłek pomimo przegranej z uczeniem maszynowym
Prof. Baker swoją karierę naukową poświęcił także problemowi przewidywania struktury białek, a jego podejścia do tego problemu uznawano za wyjątkowo oryginalne i potencjalnie przełomowe. Stworzony przez niego w 1998 roku algorytm Rosetta, jeden z pierwszych algorytmów zakładających przewidywanie struktury „od zera”, wyłącznie na podstawie informacji sekwencyjnej (bez opierania się na podobieństwie do innych białek o znanej strukturze), był rozwijany przez wiele lat i zanotował wiele znaczących sukcesów.
Wśród nietypowych pomysłów prof. Bakera, zastosowanych dla zwiększenia możliwości i przepustowości Rosetty, był projekt Rosetta@home, w ramach którego każdy przeciętny obywatel mógł użyć swobodnych mocy obliczeniowych swojego komputera do wspomożenia serwerów przewidujących strukturę ważnych białek, oraz projekt Foldit, gra komputerowa polegająca na podejmowaniu decyzji algorytmicznych w celu polepszenia jakości przewidywanych struktur. Okazało się jednak niestety, że wszystkie te podejścia przegrały z uczeniem maszynowym i AlphaFold2, którego wydajność i wiarygodność przewyższyła je w sposób zdecydowany. Jednak komitet Noblowski postanowił mimo to docenić niewątpliwe zasługi prof. Bakera i jego ogromny wkład w dziedzinę, przyznając mu nagrodę za coś, co zapewne sam prof. Baker uważał za poboczny i mniej istotny element swojej działalności naukowej.
Projektowanie białek o zadanych kształtach
Projektowanie struktury białka to problem dokładnie odwrotny od przewidywania: chodzi o określenie sekwencji aminokwasowej sztucznego białka, które przyjmie zadany, założony z góry kształt w przestrzeni po wyprodukowaniu w rzeczywistości. Może to mieć liczne zastosowania biotechnologiczne, np. do projektowania elementów maszyn molekularnych lub nanoczujników, a algorytm Rosetta okazał się szczególnie stosowny do tego celu. Najbardziej przekonującą demonstracją jest tu projektowanie nowych, nie mających analogii w przyrodzie typów struktury białka (czyli jakby zupełnie nowych przestrzennych kształtów geometrycznych) – zespół prof. Bakera osiągnął to po raz pierwszy w 2003 roku, projektując białko nazwane Top7, które nie przypomina niczego, co powstało w wyniku ewolucji biologicznej. Chociaż Top7 nie ma żadnych praktycznych zastosowań i zaprojektowane zostało wyłącznie jako demonstracja możliwości, to właśnie to osiągnięcie zostało zacytowane przez komitet Noblowski jako kluczowe dla ich decyzji o przyznaniu nagrody.
Choć Nagroda Nobla z chemii dotyczyła badań nad podstawowymi cząsteczkami życia, jakimi są białka, biobankowanie również wpisuje się w tę dziedzinę nauki, umożliwiając przechowywanie i badanie materiałów biologicznych na potrzeby przyszłych odkryć. Jeśli chcesz dowiedzieć się więcej o tym, jak biobankowanie wspiera rozwój nauki i medycyny, posłuchaj naszego podcastu na ten temat!
Przewrotność tegorocznej nagrody Nobla z chemii
Nie da się ukryć, że z finansowego punktu widzenia prof. Baker wyszedł na tym lepiej, niż gdyby wyróżniono jego wysiłki związane z przewidywaniem struktury, gdyż otrzymał połowę nagrody Nobla (pozostali dwaj laureaci muszą się podzielić drugą połową).
Z UŁ do labolatorium ucznia noblisty
Co ciekawe, Uniwersytet Łódzki dwa tygodnie temu odwiedził prof. Łukasz Joachimiak z Dallas, aby zachęcać naszych studentów do udziału w firmowanym przez Komisję Fulbrighta programie BioLAB, w ramach którego można m.in. właśnie prowadzić badania nad projektowaniem nowych białek w jego laboratorium – prof. Joachimiak był doktorantem prof. Bakera.
Nagroda Nobla w dziedzinie fizjologii lub medycyny: za odkrycie mikroRNA i jego roli w posttranskrypcyjnej regulacji genów
Nagroda Nobla w dziedzinie fizjologii lub medycyny została w 2024 roku przyznana prof. Victorowi Ambrosowi i Garyemu Ruvkunowi za odkrycie mikroRNA i jego roli w posttranskrypcyjnej regulacji genów.
Powtórka z podstaw genetyki
Geny to odcinki kwasu deoksyrybonukleinowego (DNA), nośnika materiału genetycznego, zawierające informację o strukturze cząsteczek wchodzących następnie w skład komórek, tkanek i organizmów. Większość genów (u człowieka między 20 a 25 tysięcy) zawiera informację o sekwencji aminokwasów w białkach, najważniejszych składnikach żywej materii, które są jej elementami budulcowymi, enzymatycznymi itd. Geny nie kodują jednak białek bezpośrednio – zawarta w DNA informacja sekwencyjna o białkach jest najpierw przepisywania na inny kwas nukleinowy, kwas rybonukleinowy (RNA, w takiej sytuacji nazywany mRNA), w procesie transkrypcji. Dopiero później białka syntetyzowane są przy wykorzystaniu informacji zawartej w mRNA w procesie translacji - oba procesy razem nazywamy ekspresją genów kodujących białka. Ponieważ w różnych komórkach i różnych sytuacjach potrzebne są inne zestawy białek w różnych ilościach, proces ekspresji jest ściśle regulowany, i od dawna wiadomo, że regulacja ta (włączanie, wyłączanie, modulacja intensywności) zachodzi głównie na poziomie transkrypcji.
mRNA to nie skrót od microRNA
Przełomowe badania tegorocznych laureatów pokazały po raz pierwszy, że istnieje także równie ważny i skomplikowany mechanizm regulacji na etapie między transkrypcją a translacją (dlatego nazywany regulacją posttranskrypcyjną). Mechanizm ten opiera się na genach, które nie zawierają informacji o sekwencji białek (tzw. geny niekodujące, w domyśle niekodujące białek), lecz są jedynie transkrybowane na RNA (odmienne od wspomnianego wyżej mRNA, znacznie krótsze, dlatego nazwane mikroRNA). Powstałe cząsteczki mikroRNA oddziałują następnie z wybranymi cząsteczkami mRNA, wykorzystując złożone kompleksy enzymatyczne do blokowania ich translacji, a co za tym idzie hamowania ekspresji odnośnych białek. Ponieważ rodzajów mikroRNA jest znacznie mniej niż mRNA, większość mikroRNA reguluje ekspresję całego zestawu różnych białek – dzięki temu możliwa jest skoordynowana regulacja wielu białek zaangażowanych w ten sam proces życiowy.
Dwie tendencje przyznawania Nagród Nobla
Mówi się, że komitety Noblowskie starają się przy wyborze laureatów zrównoważyć dwie tendencje: do nagradzania odkryć „gorących”, świeżych i wzbudzających aktualnie ogromne emocje uczonych i społeczeństwa (dobrym przykładem jest tu zeszłoroczna nagroda za szczepionki mRNA); oraz do wyrównywania historycznych niesprawiedliwości, kiedy jakieś odkrycie z początku przeszło bez echa, a jego autorzy nie zostali docenieni przez społeczność naukową, ale później okazało się, że było to odkrycie przełomowe, kładące podwaliny pod nowe dyscypliny nauki. Tegoroczna nagroda z fizjologii lub medycyny jest klasycznym przykładem tego drugiego trendu: kluczowe publikacje obu laureatów, opisujące odkrycie (prof. Ambros opisał pierwsze mikroRNA, a prof. Ruvkun mechanizm jego działania), ukazały się w 1993 roku – i spotkały się z powszechnym brakiem zainteresowania. Głównym powodem był ty fakt, który jednocześnie umożliwił samo dokonanie odkrycia: badacze użyli w swych eksperymentach organizmu modelowego, nicienia Caenorhabditis elegans, który jest szczególnie cennym obiektem badań biologicznych ze względu na swoją bardzo prostą budowę. Jednak łatwo przy tym o zarzut, że zjawiska odkryte w tak odległym ewolucyjnie od człowieka organizmie są przypadkowym, wyjątkowym dziwactwem typowym tylko dla tego stworzenia, i tak przez wiele lat traktowano mikroRNA.
Nicień Caenorhabditis elegans „gwiazdą” noblowskich labolatoriów
Dopiero na początku XXI wieku okazało się, że mechanizm regulacji ekspresji genów przez mikroRNA jest powszechny i kluczowy dla większości organizmów – w tym ta sama maszyneria enzymatyczna wykorzystywana jest np. w zjawisku interferencji RNA, służącym do hamowania ekspresji genów przez RNA wprowadzane z zewnątrz, za które prof. Andrew Fire i prof. Craig Mello dostali nagrodę Nobla już 2006 roku, choć ich badania prowadzone były prawie o dekadę później niż tegorocznych laureatów. Nagroda za mikroRNA jest zatem późnym, ale zasłużonym docenieniem zarówno samych nagrodzonych nią badaczy, jak i badań z wykorzystaniem Caenorhabditis jako modelu (jest to zresztą organizm wyjątkowo już bogaty w historię Noblowską – licząc aktualnych laureatów, już ośmiu uczonych dostało tę nagrodę właśnie za badania prowadzone na nim).
Poznaj przyszłość medycyny, w której kluczową rolę odgrywają biobanki i zaawansowane analizy ogromnych baz danych próbek biologicznych. Jak gromadzone dziś materiały mogą zmienić diagnostykę, terapię i profilaktykę jutra? Odkryj fascynujące możliwości biobankowania i dowiedz się, jak nauka przekracza kolejne granice – zapraszamy do wysłuchania naszego podcastu o medycynie przyszłości!
Aby otrzymać Nobla, trzeba uczyć się przedtem u przynajmniej jednego uprzedniego noblisty
Tegoroczna nagroda potwierdza jeszcze jedną Noblowską prawidłowość: aby otrzymać nagrodę, trzeba uczyć się przedtem u przynajmniej jednego uprzedniego noblisty. Obaj laureaci odbyli swoje przygotowanie do badawczej samodzielności (tzw. post-dok) w laboratorium prof. R. Horwitza, laureata z 2002 roku (tam zresztą nauczyli się pracy z Caenorhabditis); prof. Ambros był ponadto doktorantem prof. D. Baltimore’a, laureata z 1975 roku, a prof. Ruvkun pracował w laboratorium prof. W. Gilberta, laureata z 1980 roku. Obaj profesorowie, mimo już zaawansowanego wieku, nadal prowadzą ciekawe badania: prof. Ruvkun znany jest oprócz mikroRNA z przełomowych badań nad mechanizmami starzenia się, również prowadzonymi z wykorzystaniem Caenorhabditis, a ostatnio angażuje się w interesującą inicjatywę SETG (Search for ExtraTerrestrial Genomes), która ma na celu poszukiwanie życia poza Ziemią.
Z kolei badania prowadzone przez prof. Ambrosa zostały ostatnio opisane np. w artykule jego autorstwa, opublikowanym w „Postępach Biochemii”, organie Polskiego Towarzystwa Biochemicznego. Jest dla tego głębszy powód – prof. Ambros jest pół-Polakiem, synem absolwenta wileńskiego liceum Longina Ambrosa, który po dramatycznej ucieczce przed Sowietami i przymusowych robotach w hitlerowskich Niemczech trafił do amerykańskiej armii, łącząc w niej role tłumacza i spadochroniarza.
Nagroda Nobla w dziedzinie ekonomii: za badania nad tym, jak powstają instytucje i jak wpływają na dobrobyt
Nagroda Nobla w ekonomii w 2024 roku została przyznana za przełomowe badania nad rolą instytucji w kształtowaniu dobrobytu gospodarczego krajów. Laureatami zostali Daron Acemoglu i Simon Johnson z Massachusetts Institute of Technology oraz James Robinson z University of Chicago. Ich prace rzucają nowe światło na pytanie, które od lat fascynuje ekonomistów: dlaczego niektóre kraje osiągają wysoki poziom dobrobytu, podczas gdy inne pozostają w tyle?
Dowiedz się więcej jak instytucje finansowe w zglobalizowanym świecie przyczyniają się do budowania dobrobytu całych narodów. Posłuchaj podcastu z dr Ewą Feder-Sempach.
Badania nagrodzonych naukowców koncentrują się na jakości instytucji – od ich inkluzywności po zdolność do wspierania rozwoju społecznego i gospodarczego. Kluczowym odkryciem było to, że inkluzywne instytucje, które działają na rzecz szerokiej grupy obywateli, są demokratyczne i sprawiedliwe, sprzyjają długoterminowemu wzrostowi dobrobytu. Przeciwieństwem są instytucje ekskluzywne, które faworyzują niewielkie grupy i mogą hamować rozwój całych społeczeństw.
Zasoby to za mało – jak instytucje kształtują gospodarczy sukces?
Nagrodzone badania podważają tradycyjne przekonania o wpływie zasobów naturalnych czy położenia geograficznego na bogactwo krajów. Pokazują, że jednym z kluczowych czynników sukcesu gospodarczego jest jakość instytucji oraz ich stabilne funkcjonowanie przez pokolenia. Kraje bogate w surowce, takie jak niektóre państwa afrykańskie czy Rosja, często nie osiągają wysokiego poziomu życia. Z kolei państwa z rozwiniętymi i stabilnymi instytucjami, jak Szwajcaria, Singapur czy kraje skandynawskie, odznaczają się wysokim standardem życia.
Nagroda Nobla w tym roku przypomina, że rozwój gospodarczy to nie tylko prosty efekt pozyskiwania zasobów naturalnych, czy sprzyjające położenie geograficzne, ale świadoma praca ludzi w złożonych i efektywnych instytucjach, które tworzą fundamenty dla sprawiedliwego rozwoju społecznego.
Materiał źródłowy:
- dr hab. Tomasz Gwizdałła, prof. UŁ, dziekan Wydziału Fizyki i Informatyki Stosowanej Uniwersytetu Łódzkiego, Kierownik Katedry Systemów Inteligentnych na Wydziale Fizyki i Informatyki Stosowanej Uniwersytetu Łódzkiego
- dr hab. Łukasz Pułaski, prof. UŁ, Katedra Biologii Nowotworów i Epigenetyki, Wydział Biologii i Ochrony Środowiska
- dr Ewa Feder-Sempach, adiunkt, Katedra Ekonomii Międzynarodowej, Wydział Ekonomiczno-Socjologiczny
Redakcja (w tym śródtytuły): Michał Gruda (CKiPR UŁ)