Værd at Vide: Proteinfoldning, mRNA og noget kvant er årets favoritter til Nobelprisen

Illustration: Nanna Skytte / Ingeniøren

Så er det nobeltid igen. I næste uge får vi dag for dag offentliggjort dette års nobelpristagere. Hos bookmakerne kan man spille på, hvem der vil modtage litteraturprisen og fredsprisen. Men her på redaktionen interesserer vi os mere for de naturvidenskabelige priser.

Sidste år skrev jeg, at ungareren Katalin Karikó og amerikaneren Drew Weissman burde dele en nobelpris for deres banebrydende arbejder i ­1990’erne med at udvikle grundlaget for mRNA-teknologien til vacciner. Det skete ikke, og det overraskede mig egentlig heller ikke, for de komiteer, som ­udvælger årets nobelpristagere, er ikke lige- frem kendt for at forhaste sig. Formelt set bliver beslutningen først taget på et møde om morgenen, den dag navnene offentliggøres. I realiteten har komiteerne dog arbejdet hele foråret på at udpege dette års vindere, og den proces er næsten bragt til ende i juni. Der skal meget til for at bringe nye navne ind i processen efterfølgende – selvom det er sket nogle få gange. Derfor er det måske mere forventeligt, at det bliver i år, at den ­fundamentale forskning bag mRNA-vacciner bliver belønnet med en nobelpris. Det er i hvert fald forskning, der til fulde opfylder betingelserne i Alfred Nobels testamente, der siger, at årets priser skal tildeles personer, »som under det forgange år har gjort menneskeheden den største nytte«. Om de så skal have Nobelprisen i medicin eller kemi er efter min mening mindre afgørende.

Den anden pris kan man så passende give til Demis Hassabis fra Deepmind for AI-værktøjet AlphaFold, der har beregnet foldningen af alle mulige proteiner alene ud fra deres opbygning af aminosyrer. Foldningen af et protein er helt afgørende for dets virkemåde, og foldningsproblemet har ­plaget biokemikerne i årevis. Nu er det løst med brug af samme form for kunstig intelligens, der også har lært sig selv at spille skak på et ‘overnaturligt plan’, som den danske stormester Peter Heine Nielsen – der er træner for verdensmesteren Magnus Carlsen – for nogle år siden forklarede det til Ingeniøren. Løsningen af foldningsproblemet blev af det videnskabelige tidsskrift Science sidste år kåret til årets største videnskabelige gennembrud.

Tilbage har vi så fysikprisen. I år er der efter min mening ingen helt oplagte kandidater, der absolut skal have prisen lige her og nu. Af mangel herpå kan man, som nobelpriskomitéen har for vane, dykke tilbage i 20-30 år gammel forskning, som har modstået tidens tand. Det giver mange muligheder og kan igen bringe Lene Vestergaard Hau i spil for hendes bedrift med først at sænke lysets hastighed og siden helt stoppe det og tænde for det igen på kommando i ultrakolde atomskyer. Hun har gennem mange år været en seriøs kandidat til en nobelpris. Men hvis nobelpriskomitéen alligevel vælger at hægte dette års pris op på aktuel forskning og ­anvendelser, vælger de nok noget inden for kvanteteknologi. Jeg har tidligere flere gange peget på franske Alain Aspect, der i 1980’erne gennemførte en række forsøg, der bekræftede, at Bohrs opfattelse i 1930’erne af kvantemekanikken var rigtig i forhold til Einsteins. Det er en videreudvikling af de samme teknikker, der i dag gør det muligt at manipulere med kvantetilstande inden for kvantecomputere, kvantekommunikation, kvantesensorer mv. Man kunne også vælge at give prisen til Charles Bennett og Gilles Brassard, som i 1984 opfandt den metode til sikker kvantekryptering, der i dag er kendt som BB84, og som allerede er implementeret i kommercielle systemer.

I sidste uge blev det ­offentliggjort, at Bennett – som ofte er gæst i Danmark, og som samarbejder med danske forskere – deler årets Break­through Prize i fundamental fysik på i alt 3 mio. dollar med Brassard samt David Deutsch og Peter Shor for deres grundlæggende bidrag til kvanteinformation. Til sammenligning er pengebeløbet, der følger med dette års nobelpris, ­beskedne 10 mio. svenske kroner. Men prestigen ved at vinde en nobelpris er stadig langt større. Det skyldes prisens lange historie og den mystik, der er omkring processen. Det er eksempelvis først efter 50 år, at navnene på de nominerede bliver offentliggjort.

Vi ved således ikke endnu, hvem der indstillede de to seneste danske modtagere af nobelprisen: Niels K. Jerne i 1984 (medicin) og Jens Chr. Skou i 1997 (kemi). Før dem gik ­prisen i fysik i 1975 til Aage Bohr og Ben Mottelson. De blev indstillet første gang i 1961 og herefter i alle årene fra 1965 til 1970 – det sidste år vi endnu kender indstillinger fra – af mange forskellige ­personer. Mange håbefulde kandidater kan trøste sig med, at det kan tage mange år at finde nåde hos nobelpriskomitéerne.

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først

Hvad mener forfatteren helt præcist, at AlphaFold har bidraget med rent videnskabeligt?

Er foldningsproblemet ikke stadig en uløst gåde?

Hvis AlphaFold blot er resultatet af deep learning trænet på en stor energislugende computer, så er det eneste AlphaFold kan vel, at den ud fra aminosyrer giver et bud på en foldning, hvor en flot andel af disse bud har minimeret et afstandsmål til en af de kendte foldninger. Det er sikkert meget flot (men ikke nødvendigvis imponerende, hvis man overvejer den nødvendige datamængde samt den nødvendige træningstid og derunder den nødvendige mængde energi). Er AlphaFold dermed ikke blot en blackbox, der ikke giver nogen reel viden, men kun et kunstnerisk bud på en foldning (et bud der dog fremstår virkelighedstro)?

Det er meget fint med en dygtig tryllekunstner, men giver det trænede neurale netværk nogen reel viden om foldningsproblemet? Det vil sige: Kan man ud fra de trænede vægte sige noget om, hvorfor en aminosyrer folder, som den gør? (hvis ja, så smid meget gerne en [helst generel] reference til, hvordan man ud fra trænede vægte kan opnå sådan indsigt) Hvis ikke, så kan jeg virkelig ikke forstå, at AlphaFold skulle fortjene nogen priser indenfor det, vi kalder videnskab.

Og selv hvis AlphaFold bidrager med en sådan viden, så er det vel stadig endnu vigtigere at spørge: Kan AlphaFold gå den anden vej? Kan den tage en ønsket foldning og så fortælle os, hvordan vi skal strikke aminosyrer sammen, for at opnå et sådant foldningsresultat?

  • 0
  • 0
Bidrag med din viden – log ind og deltag i debatten