Massiiviset työkalut edistivät suurta kemiaa vuonna 2022 Jättimäiset tietojoukot ja valtavat instrumentit auttoivat tiedemiehiä käsittelemään kemiaa jättimäisessä mittakaavassa tänä vuonna

Massiiviset työkalut edistivät suurta kemiaa vuonna 2022

Jättimäiset tietojoukot ja valtavat instrumentit auttoivat tiedemiehiä käsittelemään kemiaa jättimäisessä mittakaavassa tänä vuonna

kirjoittanutAriana Remmel

Kuva: Oak Ridge Leadership Computing Facility ORNL:ssä

Oak Ridge National Laboratoryn Frontier-supertietokone on ensimmäinen uuden sukupolven koneista, jotka auttavat kemistejä suorittamaan entistä monimutkaisempia molekyylisimulaatioita.

Tutkijat tekivät suuria löytöjä supersuurten työkalujen avulla vuonna 2022. Kemiallisesti pätevän tekoälyn viimeaikaisen trendin pohjalta tutkijat ottivat suuria edistysaskeleita opettamalla tietokoneita ennustamaan proteiinien rakenteita ennennäkemättömässä mittakaavassa. Heinäkuussa Alphabetin omistama DeepMind julkaisi tietokannan, joka sisälsi proteiinien rakenteetlähes kaikki tunnetut proteiinit– Yli 200 miljoonaa yksittäistä proteiinia yli 100 miljoonasta lajista – koneoppimisalgoritmin AlphaFoldin ennusteen mukaan. Sitten marraskuussa teknologiayritys Meta esitteli edistymistään proteiinien ennustusteknologiassa tekoälyalgoritmilla nimeltäESMFoldVertaisarvioimattomassa preprint-tutkimuksessa Meta-tutkijat raportoivat, että heidän uusi algoritminsa ei ole yhtä tarkka kuin AlphaFold, mutta on nopeampi. Lisääntynyt nopeus tarkoitti, että tutkijat pystyivät ennustamaan 600 miljoonaa rakennetta vain kahdessa viikossa (bioRxiv 2022, DOI:10.1101/2022.07.20.500902).

Washingtonin yliopiston (UW) lääketieteellisen tiedekunnan biologit auttavatlaajentaa tietokoneiden biokemiallisia ominaisuuksia luonnon mallien ulkopuolelleopettamalla koneita ehdottamaan räätälöityjä proteiineja tyhjästä. UW:n David Baker ja hänen tiiminsä loivat uuden tekoälytyökalun, joka voi suunnitella proteiineja joko parantamalla iteratiivisesti yksinkertaisia ​​kehotteita tai täyttämällä aukot olemassa olevan rakenteen valittujen osien välillä (Tiede2022, DOI:10.1126/tiede.abn2100Tiimi esitteli myös uuden ohjelman, ProteinMPNN:n, joka voi aloittaa suunnitelluista 3D-muodoista ja useiden proteiinin alayksiköiden kokoonpanoista ja sitten määrittää niiden tehokkaaseen valmistukseen tarvittavat aminohapposekvenssit (Tiede2022, DOI:10.1126/science.add2187;10.1126/science.add1964Nämä biokemiallisesti taitavat algoritmit voisivat auttaa tiedemiehiä rakentamaan piirustuksia keinotekoisille proteiineille, joita voitaisiin käyttää uusissa biomateriaaleissa ja lääkkeissä.

Kuva: Ian C. Haydon/UW:n proteiinisuunnittelun instituutti

Koneoppimisalgoritmit auttavat tiedemiehiä keksimään uusia proteiineja tiettyjä toimintoja ajatellen.

Laskennallisten kemistien tavoitteiden kasvaessa myös molekyylimaailman simulointiin käytettävät tietokoneet kasvavat. Oak Ridgen kansallislaboratoriossa (ORNL) kemistit pääsivät ensi kertaa vilaukseen yhdestä kaikkien aikojen tehokkaimmista supertietokoneista.ORNL:n eksaskaalan supertietokone, Frontier, on yksi ensimmäisistä koneista, jotka laskevat yli kvintiljoonan liukulukuoperaation sekunnissa, joka on laskennallisen aritmetiikan yksikkö. Tämä laskentanopeus on noin kolme kertaa nopeampi kuin hallitsevalla mestarilla, japanilaisella supertietokoneella Fugakulla. Ensi vuonna kaksi muuta kansallista laboratoriota aikoo esitellä eksaskaalan tietokoneita Yhdysvalloissa. Näiden huippuluokan koneiden valtava laskentateho antaa kemisteille mahdollisuuden simuloida entistä suurempia molekyylijärjestelmiä ja pidemmillä aikaskaaloilla. Näistä malleista kerätty data voisi auttaa tutkijoita venyttämään kemian mahdollisuuksien rajoja kaventamalla kuilua pullossa tapahtuvien reaktioiden ja niitä mallintavien virtuaalisimulaatioiden välillä. "Olemme pisteessä, jossa voimme alkaa todella kysyä, mitä teoreettisista menetelmistämme tai malleistamme puuttuu, mikä veisi meidät lähemmäksi sitä, minkä koe kertoo meille olevan todellista", Theresa Windus, laskennallinen kemisti Iowan osavaltionyliopistosta ja Exascale Computing Projectin projektijohtaja, kertoi C&EN:lle syyskuussa. Eksaskaalan tietokoneilla suoritettavat simulaatiot voisivat auttaa kemistejä keksimään uusia polttoainelähteitä ja suunnittelemaan uusia ilmastonmuutoksen kestäviä materiaaleja.

SLAC National Accelerator Laboratory asentaa parhaillaan maanlaajuisesti Menlo Parkissa KaliforniassaSuperhienoja päivityksiä Lineac-koherenttiin valonlähteeseen (LCLS)joka voisi antaa kemisteille mahdollisuuden kurkistaa syvemmälle atomien ja elektronien ultranopeaan maailmaan. Laitos on rakennettu 3 km:n lineaarikiihdyttimelle, jonka osia jäähdytetään nestemäisellä heliumilla 2 K:n lämpötilaan, jolloin tuotetaan eräänlainen superkirkas, supernopea valonlähde, jota kutsutaan röntgenvapaiden elektronien laseriksi (XFEL). Kemistit ovat käyttäneet instrumenttien voimakkaita pulsseja molekyylielokuvien tekemiseen, joiden avulla he ovat voineet seurata lukemattomia prosesseja, kuten kemiallisten sidosten muodostumista ja fotosynteettisten entsyymien toimintaa. "Femtosekunnin välähdyksessä voit nähdä atomien pysähtyvän ja yksittäisten atomisidosten katkeavan", kertoi Leora Dresselhaus-Marais, materiaalitieteilijä, jolla on yhteisiä nimityksiä Stanfordin yliopistossa ja SLAC:ssa, C&EN:lle heinäkuussa. LCLS:n päivitykset antavat myös tiedemiehille mahdollisuuden säätää röntgensäteiden energioita paremmin, kun uudet ominaisuudet tulevat saataville ensi vuoden alussa.

Kuva: SLAC:n kansallinen kiihdytinlaboratorio

SLAC National Accelerator Laboratoryn röntgenlaser on rakennettu 3 km:n lineaarikiihdyttimeen Menlo Parkissa Kaliforniassa.

Tänä vuonna tiedemiehet näkivät myös, kuinka tehokas kauan odotettu James Webb -avaruusteleskooppi (JWST) voisi olla paljastamaanmaailmankaikkeutemme kemiallinen monimutkaisuusNASA ja sen kumppanit – Euroopan avaruusjärjestö, Kanadan avaruusjärjestö ja Space Telescope Science Institute – ovat jo julkaisseet kymmeniä kuvia häikäisevistä muotokuvista tähtisumuista muinaisten galaksien alkuaineiden sormenjälkiin. Kymmenen miljardin dollarin infrapunateleskooppi on varustettu tieteellisillä instrumenteilla, jotka on suunniteltu tutkimaan maailmankaikkeutemme syvää historiaa. Vuosikymmeniä kestänyt JWST on jo ylittänyt insinööriensä odotukset ottamalla kuvan pyörivästä galaksista sellaisena kuin se näytti 4,6 miljardia vuotta sitten, täydellisine spektroskooppisten happi-, neon- ja muiden atomien jälkineen. Tutkijat mittasivat myös höyryävien pilvien ja utuisuuden jälkiä eksoplaneetalla, mikä tarjoaa tietoja, jotka voisivat auttaa astrobiologeja etsimään mahdollisesti elinkelpoisia maailmoja Maan ulkopuolelta.