Nobelio chemijos premija skirta 3 mokslininkams už baltymų erdvinės struktūros numatymą ir kūrimą

 „Nobelio apdovanojimas, suteiktas Davidui Bakeriui iš Vašingtono universiteto ir Demisui Hassabiui bei Johnui M. Jumperiui iš „Google DeepMind“, yra antrasis šią savaitę, apimantis dirbtinį intelektą.

 

 Nobelio chemijos premija trečiadienį įteikta trims mokslininkams už atradimus, rodančius pažangių technologijų, įskaitant dirbtinį intelektą (AI), potencialą nuspėti baltymų formą, gyvybės cheminius įrankius ir išrasti naujus.

 

 Laureatai yra: Demisas Hassabis ir Johnas Jumperis iš Google DeepMind, kurie naudojo A.I. nuspėti milijonų baltymų struktūrą; ir Davidas Bakeris iš Vašingtono universiteto, kuris naudojo kompiuterinę programinę įrangą, kad išrastų naują baltymą.

 

 Trečiadienį Nobelio chemijos komiteto narys Johanas Aqvistas sakė, kad šių metų laureatų darbo įtaka yra „tikrai didžiulė“. „Kad suprastumėte, kaip veikia baltymai, turite žinoti, kaip jie atrodo, ir tai padarė šių metų laureatai."

 

 Ši užduotis kažkada truko mėnesius ar net dešimtmečius. Tačiau A.I. tokie modeliai, kaip AlphaFold leidžia tai padaryti per kelias valandas ar net minutes.

 

 Šis greitis turi realaus pasaulio pasekmes. AlphaFold moksliniuose tyrimuose buvo paminėtas daugiau, nei 20 000 kartų, o biochemikai panaudojo šią technologiją, kad paspartintų vaistų atradimą.

 

 "Mes galime nubrėžti tiesią liniją nuo to, ką darome, iki to, kad žmonės būtų sveiki", - sakė dr. Jumperis.

 

 Taip pat gali atsirasti naujų biologinių priemonių, tokių, kaip fermentai, kurie efektyviai skaido plastikinius butelius ir paverčia juos medžiagomis, kurias lengva pakartotinai naudoti ir perdirbti.

 

 Trečiadienio prizas buvo antrasis šią savaitę, įtraukiant dirbtinį intelektą, pabrėžiant didėjančią technologijos reikšmę moksliniams tyrimams.

 

 Mary Carroll, Amerikos chemijos draugijos prezidentė, sakė, kad šių metų laureatų atranka rodo, kad chemijos srityje gali būti daugiau kompiuterinių tyrimų, o tai gali pagerinti chemijos tyrimų efektyvumą, o mokslininkai mažiau priklausys nuo darbo laboratorijose.

 

 „Skaičiavimo darbas yra eksperimentinis darbas – tai tik kitokio pobūdžio“, – sakė ji. "Manau, kad tai yra chemijos kryptis."

 

 Šių metų Nobelio chemijos premija taip pat priminė, kaip A.I. gali pasirinkti blogi aktoriai.

 

 „Žinoma, tai dvigubos paskirties technologija“, – spaudos konferencijoje sakė daktaras Hassabis. „Ji turi nepaprastą gerovės potencialą, bet taip pat gali būti panaudota žalai“.

 

 Kai kurie nerimauja, kad ši technologija gali būti naudojama ,kuriant naujus virusus ar toksiškas medžiagas, kurios galėtų būti panaudotos biologiniams išpuoliams. Daktaras Beikeris buvo vienas iš daugiau, nei 90 mokslininkų, šiais metais pasirašiusių susitarimą, kuriuo siekta reguliuoti įrangą, reikalingą naujiems biologiniams ginklams gaminti, stengiantis užtikrinti, kad jų A.I. tyrimai nepadarys žalos.

 

 Kodo nulaužimas

 

 Baltymai ir fermentai yra mikroskopiniai mechanizmai, lemiantys virusų, bakterijų, žmogaus kūno ir visų kitų gyvų būtybių elgesį. Jie prasideda kaip cheminių junginių stygos, po to susisuka ir susilanksto į erdvines formas, kurios apibrėžia, ką jie gali ir ko negali. Tikslios atskirų baltymų formos nustatymas buvo sunkus uždavinys daugelį metų, o mokslininkai daugiau nei 50 metų stengėsi išspręsti vadinamąją „baltymų lankstymo problemą“.

 

 Demisas Hassabis gimė Londone, kur jo tėvai – vienas Kipro graikas, kita – singapūrietė – vadovavo žaislų parduotuvei. Būdamas paauglys, jis buvo antras pagal reitingą šachmatininkas iki 14 metų ir pradėjo profesionaliai kurti vaizdo žaidimus, prieš įstodamas į koledžą.

 

 Baigęs informatikos studijas Kembridžo universitete, jis įkūrė vaizdo žaidimų kompaniją, o vėliau grįžo į akademinę bendruomenę ir įgijo neurologijos mokslų daktaro laipsnį. Jis su kolega akademiku Shane'u Leggu ir vaikystės draugu Mustafa Suleymanu įkūrė A.I. startuolį, pavadintą „DeepMind“, 2010 m. Maždaug po ketverių metų „Google“ jį įsigijo už 650 mln. dolerių.

 

 DeepMind tikslas buvo sukurti dirbtinį bendrąjį intelektą, mašiną, galinčią padaryti viską, ką gali padaryti žmogaus smegenys. Taip pat buvo tiriamos kitos technologijos, kurios galėtų padėti pasiekti šį tikslą ir išspręsti konkrečias mokslines problemas. Viena iš tų technologijų buvo „AlphaFold“.

 

 AlphaFold sukurta, naudojant matematinę sistemą, vadinamą neuroniniu tinklu. Naudodamiesi neuroniniais tinklais, kompiuteriai gali analizuoti didžiulius duomenų kiekius, kad išmoktų atlikti daugybę užduočių, kurios kažkada viršijo jų pajėgumus. Tokios sistemos skatina veido ir balso atpažinimą, taip pat internetinius pokalbių robotus.

 

 Jie taip pat gali būti naudojami nuspėti žmogaus kūno baltymo formą, kuri gali nustatyti, kaip kitos molekulės prie jo chemiškai prisijungs arba fiziškai prisijungs. Tai yra vienas iš būdų, kaip sukurti vaistus: vaistas jungiasi prie tam tikrų organizmo baltymų ir keičia jų elgesį.

 

 Johnas Jumperis, jauniausias per daugiau, nei 70 metų, chemijos laureatas, gimė JAV. Baigęs bakalauro laipsnį Vanderbilto universitete ir magistro laipsnį Kembridžo universitete, jis įgijo daktaro laipsnį. Čikagos universitete įgijo teorinės chemijos laipsnį.

 

 2017 m., kai „Google“ įsigijo laboratoriją, jis prisijungė prie „DeepMind“, kaip tyrėjas. Kartu su daktaru Hassabiu ir kitais jis netrukus pradėjo kurti tai, kas taps AlphaFold.

 

 2018 m. „DeepMind“ komanda, vadovaujama daktaro Jumperio, dalyvavo pasauliniame konkurse, pavadintame „Critical Assessment of Structure Prediction“ – 25 metus trukusioje pastangoje išspręsti baltymų lankstymo problemą. Jų technologija pranoko visus kitus konkurentus.

 

 Daugelis mokslininkų manė, kad baltymų sulankstymo proveržis dar truks kelerius metus. Tada 2020 m., kai „Google“ mokslininkai kitame konkurse pristatė technologijos atnaujinimą AlphaFold2, jie parodė, kad ji visiškai išsprendė problemą, numatant formas tokiu tikslumu, kuris konkuruoja su fiziniais eksperimentais.

 

 Naudodama AlphaFold2, „Google“ komanda sugebėjo apskaičiuoti visų žmogaus baltymų struktūrą, sakė Nobelio komitetas, kol galiausiai numatė „beveik visų 200 milijonų baltymų, kuriuos mokslininkai iki šiol atrado, tirdami Žemės organizmus, struktūrą“.

 

 Daktaras Hassabis sakė, kad „DeepMind“ modeliavo pagal „Bell Labs“ – tyrimų ir plėtros įmonę, kuri išleido 10 Nobelio premijos laureatų.  Jis sakė, kad tam reikia daug išteklių ir skaičiavimo galios.

 

 „Kodėl neprisijungus prie privataus sektoriaus, kad būtų galima finansuoti tokius dalykus?" - pasakė jis.

 

 "Aš myliu visus baltymus"

 

 David Baker darbas buvo prieš naujausio A.I. modelius ir daugiausia dėmesio skiria baltymų kūrimui.

 

 Beikeris, kilęs iš Sietlo, 1984 m. įgijo bakalauro laipsnį Harvardo universitete, o 1989 m. Kalifornijos universitete Berklyje – biochemijos daktaro laipsnį. Dabar jis yra Baltymų dizaino instituto direktorius ir biochemijos profesorius Vašingtono universitetas.

 

 2003 m. daktaras Bakeris ir jo kolegos sukūrė pirmąjį visiškai naują baltymą: molekulę, pavadintą Top7, kuri buvo nenaudinga, bet simboliška [1].

 

 „Iki tol iš tikrųjų vieninteliai baltymai, kurie buvo žinomi, buvo tie, kurie atsirado per milijonus ar milijardus evoliucijos metų“, – sakė jis interviu „The New York Times“.

 

 Tyrėjai pradėjo nuo norimos baltymų formos ir naudojo kompiuterinį modelį Rosetta, kuris ieško esamų baltymų duomenų bazėse, kad surastų aminorūgščių seką, kuri galėtų sukurti tokią struktūrą.

 

 Jis prisiminė „nuostabią akimirką“, kai baltymas, kurį jis sukūrė su bakterijomis iš pasiūlytos aminorūgščių sekos, turėjo beveik tokią pačią struktūrą, kaip ir jo modelio.

 

 Šis darbas „atvėrė visiškai naują baltymų struktūrų pasaulį, kurio mes niekada anksčiau nematėme“, – sakė Nobelio komiteto daktaras Aqvistas.

 

 Daktaras Beikeris suprato, kad jei jam pavyktų sukurti naują baltymų struktūrą, jis taip pat turėtų sugebėti sukurti sudėtingesnius baltymus, „kurie iš tikrųjų veikia“, pavyzdžiui, suardo amiloidines fibriles, kurios, kaip manoma, yra susijusios su Alzheimerio liga.

 

 Pastaraisiais metais jo darbas derėjo su tokiais tyrimais, kuriuos ištyrė daktaras Hassabis ir Dr. Jumper iš DeepMind, nes jo laboratorija naudoja neuroninius tinklus, kad ne tik prognozuotų baltymų formas, bet ir sukurtų naujų baltymų brėžinius. Tai dar viena forma, kurią mokslininkai ir technologijų įmonės vadina generatyviniu A.I.

 

 Jo laboratorijos baltymai, sukurti, naudojant pažangesnę Rosetta iteraciją, jau buvo kelių galimų medicininių gydymo būdų, tokių, kaip antivirusinis nosies purškalas nuo Covid-19 ir vaistas nuo celiakijos, pagrindas. Covid-19 vakcina SKYCovione, pagrįsta vienu iš jo laboratorijos baltymų, buvo patvirtinta naudoti Pietų Korėjoje 2022 m.

 

 Dr. Baker taip pat yra daugiau, nei 20 biotechnologijų įmonių įkūrėjas.

 

 Po ceremonijos žurnalisto paklaustas, ar turi mėgstamų baltymų, jis atsakė: „Man patinka visi baltymai. Nenoriu rinktis favoritų“." [2]

 

 1. „Top7 dizainas buvo sukurtas, naudojant bendrą skaičiavimo metodą, kuris pakartojo jo sekos dizainą ir struktūros numatymą. Galutinis tikslas buvo sukurti 93 aminorūgščių liekanų α / β baltymą su nauja seka ir jo struktūros arba topologijos išdėstymu. Šie skaičiavimo metodai padėjo suprojektuoti baltymus kartu su baltymų struktūros prognozavimo algoritmais."

 

2.  Nobel Prize in Chemistry Goes to 3 Scientists for Predicting and Creating Proteins. Moses, Claire; Metz, Cade; Rosenbluth, Teddy. New York Times (Online) New York Times Company. Oct 9, 2024.

Nobel Prize in Chemistry Goes to 3 Scientists for Predicting and Creating Proteins

"The Nobel, awarded to David Baker of the University of Washington and Demis Hassabis and John M. Jumper of Google DeepMind, is the second this week to involve artificial intelligence.

The Nobel Prize in Chemistry was awarded on Wednesday to three scientists for discoveries that show the potential of advanced technology, including artificial intelligence, to predict the shape of proteins, life’s chemical tools, and to invent new ones.

The laureates are: Demis Hassabis and John Jumper of Google DeepMind, who used A.I. to predict the structure of millions of proteins; and David Baker of the University of Washington, who used computer software to invent a new protein.

The impact of the work of this year’s laureates is “truly huge,” Johan Aqvist, a member of the Nobel Committee for Chemistry, said on Wednesday. “In order to understand how proteins work, you need to know what they look like, and that’s what this year’s laureates have done.”

That task once took months, or even decades. But A.I. models like AlphaFold make it possible to do that in a few hours or even minutes.

That speed has real-world applications. AlphaFold has been cited in scientific studies more than 20,000 times, and biochemists have used the technology to accelerate the discovery of medicines.

“We can draw a straight line from what we do to people being healthy,” Dr. Jumper said.

It could also lead to new biological tools such as enzymes that efficiently break down plastic bottles and convert them into materials that are easily reused and recycled.

Wednesday’s prize was the second this week to involve artificial intelligence, highlighting the technology’s growing significance in scientific research.

“A.I. is changing the way we do science,” said Frances Arnold, a chemical engineering professor at the California Institute of Technology who received the Nobel Prize in Chemistry in 2018. “It is supercharging our ability to explore previously intractable problems.”

Mary Carroll, the president of the American Chemical Society, said the selection of this year’s laureates indicated that the field of chemistry might be set to involve more computational study, which may improve the efficiency of chemistry research while making scientists less reliant on work in laboratories.

“Computational work is experimental work — it’s just a different kind,” she said. “I think it is a direction of chemistry.”

This year’s Nobel Prize in Chemistry also offered a reminder of how A.I. could be co-opted by bad actors.

“Of course it’s a dual-purpose technology,” Dr. Hassabis said at a news conference. “It has extraordinary potential for good, but also it can be used for harm.”

Some worry that this technology may be used to create new viruses or toxic substances that could be used in biological attacks. Dr. Baker was one of more than 90 scientists who signed an agreement this year that sought to regulate the equipment needed to manufacture new bioweapons, an effort to ensure that their A.I. research will not cause harm.

Cracking the Code

Proteins and enzymes are the microscopic mechanisms that drive the behavior of viruses, bacteria, the human body and all other living things. They begin as strings of chemical compounds, before twisting and folding into three-dimensional shapes that define what they can and cannot do. Pinpointing the precise shape of individual proteins was a laborious task for many years, and scientists had struggled for over 50 years to solve what was called “the protein folding problem.”

Demis Hassabis was born in London, where his parents — one a Greek Cypriot, the other a Singaporean — ran a toy store. As a teenager, he was the second-highest-ranked chess player under 14 in the world, and he began designing video games professionally before attending college.

After completing a computer science degree at the University of Cambridge, he founded a video game company, then returned to academia for a doctorate in neuroscience. He and a fellow academic, Shane Legg, and a childhood friend, Mustafa Suleyman, founded an A.I. start-up called DeepMind in 2010. About four years later, Google acquired it for $650 million.

DeepMind’s stated goal was to build artificial general intelligence, a machine that can do anything the human brain can do. It also explored other technologies that could help reach that goal and solve particular scientific problems. One of those technologies was AlphaFold.

AlphaFold is built using a mathematical system called a neural network. With neural networks, computers can analyze vast amounts of data to learn to perform many tasks that were once beyond their capacity. Such systems drive facial and voice recognition, as well as online chatbots.

They can also be used to predict the shape of a protein in the human body, which can determine how other molecules will bind or physically attach to it. This is one way drugs are developed: A drug binds to particular proteins in the body and alters their behavior.

John Jumper, the youngest chemistry laureate in over 70 years, was born in the United States. After finishing an undergraduate degree at Vanderbilt University and a master’s degree at the University of Cambridge, he earned a Ph.D. degree in theoretical chemistry at the University of Chicago.

He joined DeepMind as a researcher in 2017 after Google had acquired the lab. Alongside Dr. Hassabis and others, he soon began work on what would become AlphaFold.

In 2018, a DeepMind team led by Dr. Jumper entered a global competition called the Critical Assessment of Structure Prediction, a 25-year effort to solve the protein-folding problem. Their technology outperformed all other competitors.

Many scientists had assumed that a protein-folding breakthrough was still years away. Then in 2020, when the Google researchers unveiled an update of the technology, AlphaFold2, at the next contest, they showed that it had fully cracked the problem, predicting shapes with an accuracy level that rivaled physical experiments.

With AlphaFold2, the Google team was able to calculate the structure of all human proteins, the Nobel committee said, before eventually predicting “the structure of virtually all the 200 million proteins that researchers have so far discovered when mapping Earth’s organisms.”

Dr. Hassabis said he modeled DeepMind after Bell Labs, a research and development company that has produced 10 Nobel laureates. Researchers in fields like A.I. require a lot of resources and computing power, he said.

“Why not tap into the private sector in order to fund those kinds of things?” he said.

‘I Love All Proteins’

David Baker’s work preceded the emergence of the latest A.I. models and centered on protein creation.

A Seattle native, Dr. Baker earned his undergraduate degree from Harvard in 1984 and a doctorate in biochemistry doctorate from the University of California, Berkeley, in 1989. He now serves as the director of the Institute for Protein Design and a professor of biochemistry at the University of Washington.

In 2003, Dr. Baker and his colleagues created the first entirely new protein: a molecule called Top7 that was useless but symbolic [1].

“Until then, really the only proteins that were known were the ones that came down through millions or billions of years of evolution,” he said in an interview with The New York Times.

The researchers started with their desired protein shape and used a computer model called Rosetta, which searches databases of existing proteins to find a sequence of amino acids that might create such a structure.

He remembered the “amazing moment” when the protein he had created with bacteria from the proposed amino acid sequence showed almost the exact same structure as the one from his model.

This work “opened up a completely new world of protein structures that we had never seen before,” Dr. Aqvist of the Nobel committee said.

Dr. Baker realized that if he could create a novel protein structure, he should also be able to create more sophisticated proteins “that actually do things,” like break up the amyloid fibrils that are thought to be involved in Alzheimer’s disease.

In recent years, his work has dovetailed with the kind of research explored by Dr. Hassabis and Dr. Jumper at DeepMind, as his lab uses neural networks to not just predict the shapes of proteins but also generate blueprints for new proteins. It is another form of what researchers and tech companies call generative A.I.

His lab’s proteins — created with a more advanced iteration of Rosetta — have already been the basis of several potential medical treatments, like an antiviral nasal spray for Covid-19 and a medication for celiac disease. A Covid-19 vaccine, SKYCovione, based on his one of his lab’s proteins, was approved for use in South Korea in 2022.

Dr. Baker is also a co-founder of more than 20 biotechnology companies.

When asked by a journalist after the ceremony if he had a favorite protein, he said: “I love all proteins. I don’t want to pick favorites.” [2]

1. “Top7's design was built through the use of a general computational method that repeated its sequence design and structure prediction. The end goal was to develop a 93-residue α/β protein with a new sequence and arrangement of its structure, or topology. These computational methods helped to design the proteins along with protein structure prediction algorithms.”

2.  Nobel Prize in Chemistry Goes to 3 Scientists for Predicting and Creating Proteins. Moses, Claire; Metz, Cade; Rosenbluth, Teddy. New York Times (Online) New York Times Company. Oct 9, 2024.

G.Landsbergio bankrotas

 

gripen:

 "Verkia dabar G.Landsbergis, priskaldęs malkų. Nepavyko jam įšokti į tarpinę eurokomisaro stotelę Grybauskaitės pavyzdžiu. Horizonte išnyko taip svajotas prezidento postas būsimuose 2029 m. rinkimuose."

  
 

Chemijos Nobelis, skirtas už baltymų atradimus

 "Nobelio premija chemijos srityje buvo skirta Davidui Bakeriui, Johnui Jumperiui ir Demisui Hassabisui už darbą, skirtą nulaužti gyvybės statybinių blokų kodą: baltymus. Ši technologija gali pakeisti vaistų kūrimą ir gebėjimą suprasti žmogaus biologiją.

 

 Jumperis ir Hassabisas, abu „Google DeepMind“ Londone, sukūrė dirbtinio intelekto platformą AlphaFold, kuri per kelias minutes gali tiksliai numatyti baltymo struktūrą. Dėl to mokslininkai dabar gali geriau suprasti atsparumą antibiotikams ir sukurti fermentų, galinčių skaidyti plastiką, vaizdus, ​​sakė Nobelio komitetas.

 

 Bakeris, biochemikas iš Vašingtono universiteto Sietle, sukūrė skaičiavimo įrankius, leidžiančius mokslininkams kurti naujus baltymus nuo nulio, turinčius naujas formas ir funkcijas. Jo komanda pagamino baltymus, kurie gali būti naudojami vaistams, vakcinoms, nanomedžiagoms ir mažiems jutikliams.

 

 „Baltymai yra molekulės, įgalinančios gyvybę“, – sakė Nobelio chemijos komiteto pirmininkas Heiner Linke. "Norėdami suprasti, kaip veikia gyvybė, pirmiausia turime suprasti baltymų formą."

 

 Trečiadienio apdovanojimas yra antrasis apdovanojimas šią savaitę, kuriuo buvo pripažintas dirbtinio intelekto gebėjimas spręsti problemas ir transformuoti visas pramonės šakas. Antradienį Nobelio fizikos premija buvo įteikta John Hopfield ir Geoffrey Hinton už atradimus ir išradimus, kuriais grindžiamas mašininis mokymasis ir dirbtinis intelektas.

 

 Antradienį Hintonas ir vienas iš laureatų Hopfieldas pakartojo susirūpinimą dėl AI potencialo pakenkti žmonijai. „Google DeepMind“ atstovas Hassabis trečiadienį pripažino, kad dirbtinis intelektas gali būti naudojamas žalai daryti ir kad reikia tarptautiniu mastu bendradarbiauti, siekiant sumažinti šią riziką. Tačiau jis taip pat kalbėjo apie tai, ką jis pavadino „nepaprastu gėrio potencialu“.

 

 Dirbtinio intelekto skatinami, Hassabiso, Jumperio ir Bakerio laimėjimai jau paskatino mokslininkų gebėjimus suprasti esamus baltymus ir kurti naujus.

 

 Baltymai yra didelės sudėtingos molekulės, kurios sudaro kaulus, atkuria DNR ir įgalina mūsų imuninį atsaką. Jie yra pagaminti iš 20 aminorūgščių derinio, aminorūgščių, surištų į begalę derinių. Tos stygos susilanksto ir susisuka į formas, o jų struktūra lemia jų funkciją.

 

 Jei chemikai žino aminorūgščių seką baltyme, jie turėtų sugebėti numatyti baltymo struktūrą. Tačiau ši sritis kovojo su šia problema daugiau, nei pusę amžiaus. Vienu metu vieno baltymo struktūros išsiaiškinimas galėjo būti visas, studento daktaro laipsniui gauti skirtas, darbas“, – sakė Amerikos chemijos draugijos prezidentė Mary K. Carroll.

 

 Hassabis – šachmatų meistras ir dirbtinio intelekto kompanijos DeepMind vienas iš įkūrėjų – ir jo komanda galėjo padėti mokslininkams tai padaryti. 2018 metais jo komanda sukūrė modelį pavadinimu AlphaFold. Jis galėjo numatyti baltymų struktūrą beveik 60% tikslumu.

 

 Po to Jumperis prisijungė prie „Google“ pastangų ir pridėjo teorinės fizikos ir baltymų dinamikos žinių. Komanda taip pat pradėjo naudoti neuroninius tinklus, vadinamus transformatoriais, kurie gali lanksčiau, nei anksčiau rasti dėsningumus dideliame duomenų kiekyje. 2020 m. komanda išleido daug tikslesnį „AlphaFold2“.

 

 Tuo tarpu Bakeris įgalinoo sukurti naujus baltymus. Baltymų projektavimo sritis buvo įsibėgėjusi, tyrėjai dažnai keitė esamus baltymus. Bakeris ir jo komanda norėjo juos sukurti nuo nulio, naudodami kompiuterinę programą „Rosetta“, kad nuspėtų, kokios aminorūgščių sekos gali sukurti norimą formą.

 

 Rosetta galėtų ieškoti visų žinomų baltymų struktūrų duomenų bazėje, ieškoti panašumų su norima struktūra fragmentų ir tada pasiūlyti aminorūgščių eilutę, kuri jas sujungė. 2003 m. Bakeris paskelbė sukūręs Top7 – baltymą su 93 aminorūgštimis, kuris visiškai skiriasi nuo visų žinomų esamų baltymų. Tai buvo pirmas kartas.“ [1]

 

1. U.S. News: Chemistry Nobel Given for Protein Discoveries. Abbott, Brianna.  Wall Street Journal, Eastern edition; New York, N.Y.. 10 Oct 2024: A.3.