ნობელიანტები ქიმიაში
ჯონ მაიკლ ჯამპერი (John Michael Jumper )
დაბადება: 1985-01-01 (ლიტლ-როკი, აშშ)
გარდაცვალება:
ალმა–მატერი: ვანდერბილტის უნივერსიტეტი; კემბრიჯის უნივერსიტეტი; ჩიკაგოს უნივერსიტეტი
პრემია:2024
ცილების სტრუქტურის პროგნოზირებისთვის
ჯონ ჯამპერი ამერიკელი ქიმიკოსი და გამოთვლითი ბიოლოგიის მკვლევარია. მისი სამეცნიერო ინტერესები მოიცავს თეორიულ ქიმიას, მოლეკულურ მოდელირებას, ცილების სტრუქტურის გამოთვლას და ღრმა სწავლების გამოყენებას ბიომოლეკულურ სისტემებში.
იგი მუშაობდა Google DeepMind-ში, სადაც ხელმძღვანელობდა AlphaFold-ის განვითარების მნიშვნელოვან მიმართულებებს. მისი საქმიანობა აერთიანებს ფიზიკისა და ქიმიის ფუნდამენტურ პრინციპებს თანამედროვე ხელოვნური ინტელექტის მეთოდებთან.
ბიოგრაფია
ჯონ მაიკლ ჯამპერი დაიბადა 1985 წელს, აშშ-ის არკანზასის შტატის ქალაქ ლიტლ-როკში. 2007 წელს ვანდერბილტის უნივერსიტეტში საბაკალავრო განათლება დაასრულა.
შემდგომ სწავლა კემბრიჯის უნივერსიტეტში გააგრძელა, სადაც 2008 წელს თეორიული კონდენსირებული მდგომარეობის ფიზიკის მიმართულებით მაგისტრის ხარისხი (MPhil) მიიღო.
ჯამპერი დაინტერესებული იყო ფიზიკური კანონზომიერებებისა და გამოთვლითი მეთოდების გამოყენებით რთული მოლეკულური სისტემების შესწავლით. 2017 წელს ჩიკაგოს უნივერსიტეტში ქიმიის დოქტორის ხარისხი მოიპოვა.
შემდეგ იგი Google DeepMind-ის კვლევით გუნდს შეუერთდა. მისი საქმიანობის ერთ-ერთი მთავარი მიმართულება გახდა ცილების სტრუქტურის პროგნოზირების პრობლემა.
ცილის ამინომჟავური თანმიმდევრობა განსაზღვრავს მის შესაძლო სივრცულ სტრუქტურას, მაგრამ ამ სტრუქტურის გამოთვლა ძალიან რთულია, რადგან პოლიპეპტიდურ ჯაჭვს უზარმაზარი რაოდენობის კონფორმაციების მიღება შეუძლია.
ჯამპერის ხელმძღვანელობით შემუშავებულმა AlphaFold2-მა ღრმა სწავლების მეთოდებით შეძლო ცილების სივრცული სტრუქტურების მაღალი სიზუსტით პროგნოზირება. სისტემა 2020 წელს CASP14-ის საერთაშორისო შეფასებაში განსაკუთრებით წარმატებული აღმოჩნდა.
2021 წელს ჟურნალ Nature-ში გამოქვეყნდა ნაშრომი, რომელმაც AlphaFold2-ის არქიტექტურა და შედეგები აღწერა. მოგვიანებით კვლევები გაგრძელდა AlphaFold3-ის მიმართულებით, რომელმაც გააფართოვა პროგნოზირების შესაძლებლობები ცილებისა და სხვა ბიომოლეკულების კომპლექსებისთვის.
ძირითადი შრომები
1. Jumper, J. et al. Highly Accurate Protein Structure Prediction with AlphaFold. Nature, 2021, 596, 583–589. DOI: 10.1038/s41586-021-03819-2.
2. Tunyasuvunakool, K. et al. Highly Accurate Protein Structure Prediction for the Human Proteome. Nature, 2021, 596, 590–596. DOI: 10.1038/s41586-021-03828-1.
3. Varadi, M. et al. AlphaFold Protein Structure Database: Massively Expanding the Structural Coverage of Protein-Sequence Space with High-Accuracy Models. Nucleic Acids Research, 2022, 50(D1), D439–D444. DOI: 10.1093/nar/gkab1061.
4. Abramson, J. et al. Accurate Structure Prediction of Biomolecular Interactions with AlphaFold 3. Nature, 2024, 630, 493–500. DOI: 10.1038/s41586-024-07487-w
ნაშრომები
1. Jumper, J. et al. Highly Accurate Protein Structure Prediction with AlphaFold. Nature, 2021, 596, 583–589. DOI: 10.1038/s41586-021-03819-2.
2. Tunyasuvunakool, K. et al. Highly Accurate Protein Structure Prediction for the Human Proteome. Nature, 2021, 596, 590–596. DOI: 10.1038/s41586-021-03828-1.
3. Varadi, M. et al. AlphaFold Protein Structure Database: Massively Expanding the Structural Coverage of Protein-Sequence Space with High-Accuracy Models. Nucleic Acids Research, 2022, 50(D1), D439–D444. DOI: 10.1093/nar/gkab1061.
4. Abramson, J. et al. Accurate Structure Prediction of Biomolecular Interactions with AlphaFold 3. Nature, 2024, 630, 493–500. DOI: 10.1038/s41586-024-07487-w
ლიტერატურა
The Nobel Prize in Chemistry 2024 - NobelPrize.org
სტატია მომზადებულია მიერ
ჩვენი სტუმრები
სწრაფი ბმულები
