Przyjrzyjmy si臋 bli偶ej nagrodzonym pracom badawczym w dziedzinach fizyki, chemii, medycyny lub fizjologii oraz ekonomii, z perspektywy badaczy Uniwersytetu 艁贸dzkiego. Warto zauwa偶y膰, 偶e w pierwszych trzech kategoriach coraz trudniej jednoznacznie przypisa膰 osi膮gni臋cia do jednej dziedziny 鈥� wsp贸艂czesna nauka jest niezwykle interdyscyplinarna, 艂膮cz膮c r贸偶ne obszary wiedzy w poszukiwaniu prze艂omowych rozwi膮za艅 dla globalnych wyzwa艅.
Nagroda Nobla w fizyce: Uznanie dla innowacji w sztucznej inteligencji
John Hopfield, z wykszta艂cenia fizyk, od lat 70. prowadzi艂 badania, kt贸re mia艂y na celu lepsze zrozumienie funkcjonowania ludzkiego m贸zgu za pomoc膮 matematycznych modeli. W 1982 roku opracowa艂 sw贸j prze艂omowy model sieci neuronowej, kt贸ry 鈥� w dzisiejszych kategoriach 鈥� by艂 prost膮, jednowarstwow膮 sieci膮 neuron贸w. Co j膮 wyr贸偶nia艂o? Hopfield wprowadzi艂 mechanizm sprz臋偶enia zwrotnego, czyli sytuacj臋, w kt贸rej wyj艣cie jednego neuronu wp艂ywa na wej艣cia pozosta艂ych. To rozwi膮zanie pozwoli艂o stworzy膰 model, kt贸ry m贸g艂 鈥瀠czy膰 si臋鈥� i zapami臋tywa膰 wzorce, co by艂o niezwyk艂ym osi膮gni臋ciem na tamte czasy. Dzi臋ki temu modelowi, nazwanemu p贸藕niej 鈥瀞ieci膮 Hopfielda鈥�, sta艂o si臋 mo偶liwe rozwijanie bardziej z艂o偶onych system贸w sieci neuronowych, kt贸re znalaz艂y zastosowanie w sztucznej inteligencji i innych dziedzinach technologii.鈥�
Kilka lat p贸藕niej Geoff Hinton, kt贸ry mia艂 w贸wczas doktorat z informatyki, rozszerzy艂 t臋 idee i wprowadzi艂 do nich rewolucyjn膮 metod臋 zwan膮 鈥瀢steczn膮 propagacj膮 b艂臋du鈥�. To w艂a艣nie dzi臋ki niej sieci neuronowe mog膮 skutecznie 鈥瀠czy膰 si臋鈥� poprzez poprawianie swoich b艂臋d贸w na ka偶dym etapie treningu. Jest to technika, kt贸ra do dzisiaj stanowi fundament wi臋kszo艣ci wsp贸艂czesnych system贸w sztucznej inteligencji. Hinton bada艂 r贸wnie偶 tzw. maszyny Boltzmanna, kt贸re by艂y innym wa偶nym krokiem na drodze do rozwini臋cia nowoczesnych system贸w AI.鈥�
Nagroda Nobla dla tych dw贸ch wybitnych badaczy nie jest przypadkiem 鈥� ich prace mia艂y kluczowy wp艂yw na rozw贸j technologii, z kt贸rej obecnie korzystamy ka偶dego dnia. Co ciekawe, Hinton jest tak偶e laureatem Nagrody Turinga, presti偶owego wyr贸偶nienia przyznawanego w dziedzinie informatyki, co czyni go wyj膮tkowym uczonym, docenianym zar贸wno w 艣wiecie fizyki, jak i nauki komputerowej.
Powy偶szy tekst opracowa艂 Dziekan Wydzia艂u Fizyki i Informatyki Stosowanej dr hab. Tomasz Gwizda艂艂a, prof. U艁, kt贸ry podkre艣la, 偶e cieszy go nagroda, kt贸ra podkre艣la 艣cis艂y zwi膮zek mi臋dzy fizyk膮 i informatyk膮.
Obydwie dziedziny, s膮 kluczowe dla mojego Wydzia艂u. To wyr贸偶nienie jest dowodem na to, 偶e wsp贸艂czesna nauka rozwija si臋 na pograniczu r贸偶nych dyscyplin. Na Wydziale prowadzimy zar贸wno badania w dyscyplinie informatyki nad rozwijaniem idei zaproponowanej przez Noblist贸w, jak i pracujemy nad fizyczn膮 realizacj膮 sztucznych synaps, kt贸re stanowi膮 podstaw臋 hardwarowych sieci neuronowych w ramach .
Nagroda Nobla z chemii: za rozpracowanie struktury bia艂ek 鈥� podstawowych narz臋dzi 偶ycia
Nagroda Nobla w dziedzinie chemii w 2024 roku przyznana zosta艂a za dwa oddzielne, chocia偶 zwi膮zane tematycznie osi膮gni臋cia: sir Demisa Hassabisa i Johna Jumpera nagrodzono za przewidywanie struktury bia艂ek, a prof. Davida Bakera za obliczeniowe projektowanie bia艂ek.
Zwijanie bia艂ek 鈥� jak natura tworzy molekularne fundamenty 偶ycia
Wszystkie bia艂ka, podstawowe sk艂adniki 偶ywej materii, to liniowe polimery sk艂adaj膮ce si臋 z aminokwas贸w. Poniewa偶 proces produkcji (biosyntezy) bia艂ek w 偶ywych organizmach regulowany jest przez informacj臋 zawart膮 w materiale genetycznym, zestaw mo偶liwych aminokwas贸w wbudowywanych w powstaj膮cy 艂a艅cuch jest silnie ograniczony do ok. 20 r贸偶nych zwi膮zk贸w. Mimo to, poniewa偶 bia艂ka sk艂adaj膮 si臋 z kilkudziesi臋ciu, kilkuset lub nawet kilku tysi臋cy reszt aminokwasowych, liczba mo偶liwych kombinacji jest ogromna. Mimo tej liniowej budowy bia艂ka nie s膮 cz膮steczkami w kszta艂cie d艂ugiego sznura 鈥� 艂a艅cuch reszt aminokwasowych zwija si臋 w przestrzeni w skomplikowane struktury zwane drugo- i trzeciorz臋dowymi. Jak 艂atwo sobie wyobrazi膰, sposob贸w takiego zwini臋cia i w zwi膮zku z tym mo偶liwych struktur przestrzennych tego samego bia艂ka jest nieomal niesko艅czenie wiele, a wszak w przyrodzie tylko jedna lub kilka spo艣r贸d tych struktur b臋d膮 w艂a艣ciwe dla roli biologicznej, jak膮 ma mie膰 dane bia艂ko w kom贸rkach, tkankach i organizmie.
W procesie biosyntezy bia艂ek etap przyjmowania przez nowo powstaj膮ce cz膮steczki w艂a艣ciwej struktury, nazywany w艂a艣nie zwijaniem lub sk艂adaniem (po angielsku folding), jest u艂atwiany przez z艂o偶on膮 maszyneri臋 tzw. bia艂ek opieku艅czych, kt贸re naprowadzaj膮 elementy 艂a艅cucha w odpowiednie uk艂ady przestrzenne. W艂a艣nie ta zdolno艣膰 bia艂ek do przyjmowania okre艣lonych, bardzo rozmaitych kszta艂t贸w 鈥� czasem podobnych dla bardzo r贸偶nych bia艂ek, a czasem drastycznie r贸偶ni膮cych si臋 w przypadku bia艂ek o podobnej sekwencji 鈥� zdecydowa艂a o uniwersalno艣ci bia艂ek jako podstawowych narz臋dzi molekularnych 偶ycia, kt贸rych ewolucja determinuje r贸偶norodno艣膰 艣wiata 偶ywego.
AlphaFold2: efekt globalnego wysi艂ku i lat bada艅 nad bia艂kami
Biofizyczne metody praktycznego poznawania struktury przestrzennej gotowych bia艂ek istniej膮 ju偶 od kilkudziesi臋ciu lat. Jednak od samego pocz膮tku marzeniem badaczy by艂a umiej臋tno艣膰 przewidywania struktury, tzn. okre艣lenia rozmieszczenia kolejnych reszt aminokwasowych w przestrzeni tylko na podstawie wiedzy o ich kolejno艣ci (kt贸ra jest od d艂u偶szego czasu 艂atwa do uzyskania, poniewa偶 jest zakodowana w genach, kt贸re umiemy sekwencjonowa膰). Ze wzgl臋du na wag臋 tego zagadnienia 鈥� mo偶liwo艣膰 przewidywania struktury na podstawie sekwencji genu u艂atwia projektowanie lek贸w, okre艣lanie funkcji bia艂ek w procesach fizjologicznych i patologicznych, zastosowania biotechnologiczne itp. 鈥� tysi膮ce badaczy na ca艂ym 艣wiecie tworzy艂o metody, modele i dedykowane oprogramowanie do tego celu.
Od 1994 roku spotykali si臋 oni co dwa lata na otwartym konkursie Critical Assessment of Structure Prediction (CASP), w czasie kt贸rego por贸wnywano efektywno艣膰 r贸偶nych algorytm贸w. W roku 2020 konkurs CASP zosta艂 z wielkim hukiem wygrany przez program AlphaFold2, stworzony przez zesp贸艂 z firmy DeepMind (b臋d膮cej w艂asno艣ci膮 Google). Wyj膮tkowo艣膰 tego osi膮gni臋cia polega mi臋dzy innymi na jego nieoczekiwanym charakterze: zamiast starannych, opartych na g艂臋bokiej wiedzy algorytmach predykcyjnych AlphaFold2 stosuje g艂臋bokie uczenie maszynowe. Dzi臋ki tej rewolucji problem przewidywania struktur bia艂ek uznany zosta艂 za w du偶ej mierze rozwi膮zany, programu AlphaFold2 u偶yto do zaproponowania prawdopodobnych struktur wszystkich znanych nauce bia艂ek, a osoby najbardziej odpowiedzialne za ten prze艂om 鈥� za艂o偶yciel DeepMind i pomys艂odawca najwa偶niejszych zasad zastosowanego uczenia maszynowego Demis Hassabis i kierownik zespo艂u badawczego, kt贸ry stworzy艂 AlphaFold2, John Jumper 鈥� otrzyma艂y w艂a艣nie nagrod臋 Nobla.
Najm艂odszy noblista od ponad 70 lat
Co ciekawe, John Jumper jest najm艂odszym laureatem nagrody Nobla w dziedzinie chemii od ponad 70 lat, jest jednocze艣nie pierwszym od dawna laureatem, kt贸ry nigdy nie kierowa艂 grup膮 badawcz膮 w tzw. akademii, czyli w instytucjach naukowych, a ca艂膮 karier臋 zawodow膮 sp臋dzi艂 w tzw. przemy艣le, czyli w komercyjnych firmach, dla kt贸rych rozw贸j wiedzy jest tylko narz臋dziem do sukcesu ekonomicznego.
Noblista z bran偶y gier komputerowych
Z kolei sir Demis jest pierwszym laureatem naukowej nagrody Nobla, kt贸ry spor膮 cz臋艣膰 kariery sp臋dzi艂 w przemy艣le gier komputerowych, jako programista w studiu Lionhead, a nast臋pnie za艂o偶yciel studia Elixir (chocia偶 gry zaprojektowane przez niego nie odnios艂y szczeg贸lnego sukcesu).
Nagroda za wysi艂ek pomimo przegranej z uczeniem maszynowym
Prof. Baker swoj膮 karier臋 naukow膮 po艣wi臋ci艂 tak偶e problemowi przewidywania struktury bia艂ek, a jego podej艣cia do tego problemu uznawano za wyj膮tkowo oryginalne i potencjalnie prze艂omowe. Stworzony przez niego w 1998 roku algorytm Rosetta, jeden z pierwszych algorytm贸w zak艂adaj膮cych przewidywanie struktury 鈥瀘d zera鈥�, wy艂膮cznie na podstawie informacji sekwencyjnej (bez opierania si臋 na podobie艅stwie do innych bia艂ek o znanej strukturze), by艂 rozwijany przez wiele lat i zanotowa艂 wiele znacz膮cych sukces贸w.
W艣r贸d nietypowych pomys艂贸w prof. Bakera, zastosowanych dla zwi臋kszenia mo偶liwo艣ci i przepustowo艣ci Rosetty, by艂 projekt Rosetta@home, w ramach kt贸rego ka偶dy przeci臋tny obywatel m贸g艂 u偶y膰 swobodnych mocy obliczeniowych swojego komputera do wspomo偶enia serwer贸w przewiduj膮cych struktur臋 wa偶nych bia艂ek, oraz projekt Foldit, gra komputerowa polegaj膮ca na podejmowaniu decyzji algorytmicznych w celu polepszenia jako艣ci przewidywanych struktur. Okaza艂o si臋 jednak niestety, 偶e wszystkie te podej艣cia przegra艂y z uczeniem maszynowym i AlphaFold2, kt贸rego wydajno艣膰 i wiarygodno艣膰 przewy偶szy艂a je w spos贸b zdecydowany. Jednak komitet Noblowski postanowi艂 mimo to doceni膰 niew膮tpliwe zas艂ugi prof. Bakera i jego ogromny wk艂ad w dziedzin臋, przyznaj膮c mu nagrod臋 za co艣, co zapewne sam prof. Baker uwa偶a艂 za poboczny i mniej istotny element swojej dzia艂alno艣ci naukowej.
Projektowanie bia艂ek o zadanych kszta艂tach
Projektowanie struktury bia艂ka to problem dok艂adnie odwrotny od przewidywania: chodzi o okre艣lenie sekwencji aminokwasowej sztucznego bia艂ka, kt贸re przyjmie zadany, za艂o偶ony z g贸ry kszta艂t w przestrzeni po wyprodukowaniu w rzeczywisto艣ci. Mo偶e to mie膰 liczne zastosowania biotechnologiczne, np. do projektowania element贸w maszyn molekularnych lub nanoczujnik贸w, a algorytm Rosetta okaza艂 si臋 szczeg贸lnie stosowny do tego celu. Najbardziej przekonuj膮c膮 demonstracj膮 jest tu projektowanie nowych, nie maj膮cych analogii w przyrodzie typ贸w struktury bia艂ka (czyli jakby zupe艂nie nowych przestrzennych kszta艂t贸w geometrycznych) 鈥� zesp贸艂 prof. Bakera osi膮gn膮艂 to po raz pierwszy w 2003 roku, projektuj膮c bia艂ko nazwane Top7, kt贸re nie przypomina niczego, co powsta艂o w wyniku ewolucji biologicznej. Chocia偶 Top7 nie ma 偶adnych praktycznych zastosowa艅 i zaprojektowane zosta艂o wy艂膮cznie jako demonstracja mo偶liwo艣ci, to w艂a艣nie to osi膮gni臋cie zosta艂o zacytowane przez komitet Noblowski jako kluczowe dla ich decyzji o przyznaniu nagrody.
Cho膰 Nagroda Nobla z chemii dotyczy艂a bada艅 nad podstawowymi cz膮steczkami 偶ycia, jakimi s膮 bia艂ka, biobankowanie r贸wnie偶 wpisuje si臋 w t臋 dziedzin臋 nauki, umo偶liwiaj膮c przechowywanie i badanie materia艂贸w biologicznych na potrzeby przysz艂ych odkry膰. Je艣li chcesz dowiedzie膰 si臋 wi臋cej o tym, jak biobankowanie wspiera rozw贸j nauki i medycyny, pos艂uchaj naszego podcastu na ten temat!
Przewrotno艣膰 tegorocznej nagrody Nobla z chemii
Nie da si臋 ukry膰, 偶e z finansowego punktu widzenia prof. Baker wyszed艂 na tym lepiej, ni偶 gdyby wyr贸偶niono jego wysi艂ki zwi膮zane z przewidywaniem struktury, gdy偶 otrzyma艂 po艂ow臋 nagrody Nobla (pozostali dwaj laureaci musz膮 si臋 podzieli膰 drug膮 po艂ow膮).
Z U艁 do labolatorium ucznia noblisty
Co ciekawe, Uniwersytet 艁贸dzki dwa tygodnie temu odwiedzi艂 prof. 艁ukasz Joachimiak z Dallas, aby zach臋ca膰 naszych student贸w do udzia艂u w firmowanym przez Komisj臋 Fulbrighta programie BioLAB, w ramach kt贸rego mo偶na m.in. w艂a艣nie prowadzi膰 badania nad projektowaniem nowych bia艂ek w jego laboratorium 鈥� prof. Joachimiak by艂 doktorantem prof. Bakera.
Nagroda Nobla w dziedzinie fizjologii lub medycyny: za odkrycie mikroRNA i jego roli w posttranskrypcyjnej regulacji gen贸w
Nagroda Nobla w dziedzinie fizjologii lub medycyny zosta艂a w 2024 roku przyznana prof. Victorowi Ambrosowi i Garyemu Ruvkunowi za odkrycie mikroRNA i jego roli w posttranskrypcyjnej regulacji gen贸w.
Powt贸rka z podstaw genetyki
Geny to odcinki kwasu deoksyrybonukleinowego (DNA), no艣nika materia艂u genetycznego, zawieraj膮ce informacj臋 o strukturze cz膮steczek wchodz膮cych nast臋pnie w sk艂ad kom贸rek, tkanek i organizm贸w. Wi臋kszo艣膰 gen贸w (u cz艂owieka mi臋dzy 20 a 25 tysi臋cy) zawiera informacj臋 o sekwencji aminokwas贸w w bia艂kach, najwa偶niejszych sk艂adnikach 偶ywej materii, kt贸re s膮 jej elementami budulcowymi, enzymatycznymi itd. Geny nie koduj膮 jednak bia艂ek bezpo艣rednio 鈥� zawarta w DNA informacja sekwencyjna o bia艂kach jest najpierw przepisywania na inny kwas nukleinowy, kwas rybonukleinowy (RNA, w takiej sytuacji nazywany mRNA), w procesie transkrypcji. Dopiero p贸藕niej bia艂ka syntetyzowane s膮 przy wykorzystaniu informacji zawartej w mRNA w procesie translacji - oba procesy razem nazywamy ekspresj膮 gen贸w koduj膮cych bia艂ka. Poniewa偶 w r贸偶nych kom贸rkach i r贸偶nych sytuacjach potrzebne s膮 inne zestawy bia艂ek w r贸偶nych ilo艣ciach, proces ekspresji jest 艣ci艣le regulowany, i od dawna wiadomo, 偶e regulacja ta (w艂膮czanie, wy艂膮czanie, modulacja intensywno艣ci) zachodzi g艂贸wnie na poziomie transkrypcji.
mRNA to nie skr贸t od microRNA
Prze艂omowe badania tegorocznych laureat贸w pokaza艂y po raz pierwszy, 偶e istnieje tak偶e r贸wnie wa偶ny i skomplikowany mechanizm regulacji na etapie mi臋dzy transkrypcj膮 a translacj膮 (dlatego nazywany regulacj膮 posttranskrypcyjn膮). Mechanizm ten opiera si臋 na genach, kt贸re nie zawieraj膮 informacji o sekwencji bia艂ek (tzw. geny niekoduj膮ce, w domy艣le niekoduj膮ce bia艂ek), lecz s膮 jedynie transkrybowane na RNA (odmienne od wspomnianego wy偶ej mRNA, znacznie kr贸tsze, dlatego nazwane mikroRNA). Powsta艂e cz膮steczki mikroRNA oddzia艂uj膮 nast臋pnie z wybranymi cz膮steczkami mRNA, wykorzystuj膮c z艂o偶one kompleksy enzymatyczne do blokowania ich translacji, a co za tym idzie hamowania ekspresji odno艣nych bia艂ek. Poniewa偶 rodzaj贸w mikroRNA jest znacznie mniej ni偶 mRNA, wi臋kszo艣膰 mikroRNA reguluje ekspresj臋 ca艂ego zestawu r贸偶nych bia艂ek 鈥� dzi臋ki temu mo偶liwa jest skoordynowana regulacja wielu bia艂ek zaanga偶owanych w ten sam proces 偶yciowy.
Dwie tendencje przyznawania Nagr贸d Nobla
M贸wi si臋, 偶e komitety Noblowskie staraj膮 si臋 przy wyborze laureat贸w zr贸wnowa偶y膰 dwie tendencje: do nagradzania odkry膰 鈥瀏or膮cych鈥�, 艣wie偶ych i wzbudzaj膮cych aktualnie ogromne emocje uczonych i spo艂ecze艅stwa (dobrym przyk艂adem jest tu zesz艂oroczna nagroda za szczepionki mRNA); oraz do wyr贸wnywania historycznych niesprawiedliwo艣ci, kiedy jakie艣 odkrycie z pocz膮tku przesz艂o bez echa, a jego autorzy nie zostali docenieni przez spo艂eczno艣膰 naukow膮, ale p贸藕niej okaza艂o si臋, 偶e by艂o to odkrycie prze艂omowe, k艂ad膮ce podwaliny pod nowe dyscypliny nauki. Tegoroczna nagroda z fizjologii lub medycyny jest klasycznym przyk艂adem tego drugiego trendu: kluczowe publikacje obu laureat贸w, opisuj膮ce odkrycie (prof. Ambros opisa艂 pierwsze mikroRNA, a prof. Ruvkun mechanizm jego dzia艂ania), ukaza艂y si臋 w 1993 roku 鈥� i spotka艂y si臋 z powszechnym brakiem zainteresowania. G艂贸wnym powodem by艂 ty fakt, kt贸ry jednocze艣nie umo偶liwi艂 samo dokonanie odkrycia: badacze u偶yli w swych eksperymentach organizmu modelowego, nicienia Caenorhabditis elegans, kt贸ry jest szczeg贸lnie cennym obiektem bada艅 biologicznych ze wzgl臋du na swoj膮 bardzo prost膮 budow臋. Jednak 艂atwo przy tym o zarzut, 偶e zjawiska odkryte w tak odleg艂ym ewolucyjnie od cz艂owieka organizmie s膮 przypadkowym, wyj膮tkowym dziwactwem typowym tylko dla tego stworzenia, i tak przez wiele lat traktowano mikroRNA.
Nicie艅 Caenorhabditis elegans 鈥瀏wiazd膮鈥� noblowskich labolatori贸w
Dopiero na pocz膮tku XXI wieku okaza艂o si臋, 偶e mechanizm regulacji ekspresji gen贸w przez mikroRNA jest powszechny i kluczowy dla wi臋kszo艣ci organizm贸w 鈥� w tym ta sama maszyneria enzymatyczna wykorzystywana jest np. w zjawisku interferencji RNA, s艂u偶膮cym do hamowania ekspresji gen贸w przez RNA wprowadzane z zewn膮trz, za kt贸re prof. Andrew Fire i prof. Craig Mello dostali nagrod臋 Nobla ju偶 2006 roku, cho膰 ich badania prowadzone by艂y prawie o dekad臋 p贸藕niej ni偶 tegorocznych laureat贸w. Nagroda za mikroRNA jest zatem p贸藕nym, ale zas艂u偶onym docenieniem zar贸wno samych nagrodzonych ni膮 badaczy, jak i bada艅 z wykorzystaniem Caenorhabditis jako modelu (jest to zreszt膮 organizm wyj膮tkowo ju偶 bogaty w histori臋 Noblowsk膮 鈥� licz膮c aktualnych laureat贸w, ju偶 o艣miu uczonych dosta艂o t臋 nagrod臋 w艂a艣nie za badania prowadzone na nim).
Poznaj przysz艂o艣膰 medycyny, w kt贸rej kluczow膮 rol臋 odgrywaj膮 biobanki i zaawansowane analizy ogromnych baz danych pr贸bek biologicznych. Jak gromadzone dzi艣 materia艂y mog膮 zmieni膰 diagnostyk臋, terapi臋 i profilaktyk臋 jutra? Odkryj fascynuj膮ce mo偶liwo艣ci biobankowania i dowiedz si臋, jak nauka przekracza kolejne granice 鈥� zapraszamy do wys艂uchania naszego podcastu o medycynie przysz艂o艣ci!
Aby otrzyma膰 Nobla, trzeba uczy膰 si臋 przedtem u przynajmniej jednego uprzedniego noblisty
Tegoroczna nagroda potwierdza jeszcze jedn膮 Noblowsk膮 prawid艂owo艣膰: aby otrzyma膰 nagrod臋, trzeba uczy膰 si臋 przedtem u przynajmniej jednego uprzedniego noblisty. Obaj laureaci odbyli swoje przygotowanie do badawczej samodzielno艣ci (tzw. post-dok) w laboratorium prof. R. Horwitza, laureata z 2002 roku (tam zreszt膮 nauczyli si臋 pracy z Caenorhabditis); prof. Ambros by艂 ponadto doktorantem prof. D. Baltimore鈥檃, laureata z 1975 roku, a prof. Ruvkun pracowa艂 w laboratorium prof. W. Gilberta, laureata z 1980 roku. Obaj profesorowie, mimo ju偶 zaawansowanego wieku, nadal prowadz膮 ciekawe badania: prof. Ruvkun znany jest opr贸cz mikroRNA z prze艂omowych bada艅 nad mechanizmami starzenia si臋, r贸wnie偶 prowadzonymi z wykorzystaniem Caenorhabditis, a ostatnio anga偶uje si臋 w interesuj膮c膮 inicjatyw臋 SETG (Search for ExtraTerrestrial Genomes), kt贸ra ma na celu poszukiwanie 偶ycia poza Ziemi膮.
Z kolei badania prowadzone przez prof. Ambrosa zosta艂y ostatnio opisane np. w artykule jego autorstwa, opublikowanym w 鈥濸ost臋pach Biochemii鈥�, organie Polskiego Towarzystwa Biochemicznego. Jest dla tego g艂臋bszy pow贸d 鈥� prof. Ambros jest p贸艂-Polakiem, synem absolwenta wile艅skiego liceum Longina Ambrosa, kt贸ry po dramatycznej ucieczce przed Sowietami i przymusowych robotach w hitlerowskich Niemczech trafi艂 do ameryka艅skiej armii, 艂膮cz膮c w niej role t艂umacza i spadochroniarza.
Nagroda Nobla w dziedzinie ekonomii: za badania nad tym, jak powstaj膮 instytucje i jak wp艂ywaj膮 na dobrobyt
Nagroda Nobla w ekonomii w 2024 roku zosta艂a przyznana za prze艂omowe badania nad rol膮 instytucji w kszta艂towaniu dobrobytu gospodarczego kraj贸w. Laureatami zostali Daron Acemoglu i Simon Johnson z Massachusetts Institute of Technology oraz James Robinson z University of Chicago. Ich prace rzucaj膮 nowe 艣wiat艂o na pytanie, kt贸re od lat fascynuje ekonomist贸w: dlaczego niekt贸re kraje osi膮gaj膮 wysoki poziom dobrobytu, podczas gdy inne pozostaj膮 w tyle?
Dowiedz si臋 wi臋cej jak instytucje finansowe w zglobalizowanym 艣wiecie przyczyniaj膮 si臋 do budowania dobrobytu ca艂ych narod贸w. Pos艂uchaj podcastu z dr Ew膮 Feder-Sempach.
Badania nagrodzonych naukowc贸w koncentruj膮 si臋 na jako艣ci instytucji 鈥� od ich inkluzywno艣ci po zdolno艣膰 do wspierania rozwoju spo艂ecznego i gospodarczego. Kluczowym odkryciem by艂o to, 偶e inkluzywne instytucje, kt贸re dzia艂aj膮 na rzecz szerokiej grupy obywateli, s膮 demokratyczne i sprawiedliwe, sprzyjaj膮 d艂ugoterminowemu wzrostowi dobrobytu. Przeciwie艅stwem s膮 instytucje ekskluzywne, kt贸re faworyzuj膮 niewielkie grupy i mog膮 hamowa膰 rozw贸j ca艂ych spo艂ecze艅stw.
Zasoby to za ma艂o 鈥� jak instytucje kszta艂tuj膮 gospodarczy sukces?
Nagrodzone badania podwa偶aj膮 tradycyjne przekonania o wp艂ywie zasob贸w naturalnych czy po艂o偶enia geograficznego na bogactwo kraj贸w. Pokazuj膮, 偶e jednym z kluczowych czynnik贸w sukcesu gospodarczego jest jako艣膰 instytucji oraz ich stabilne funkcjonowanie przez pokolenia. Kraje bogate w surowce, takie jak niekt贸re pa艅stwa afryka艅skie czy Rosja, cz臋sto nie osi膮gaj膮 wysokiego poziomu 偶ycia. Z kolei pa艅stwa z rozwini臋tymi i stabilnymi instytucjami, jak Szwajcaria, Singapur czy kraje skandynawskie, odznaczaj膮 si臋 wysokim standardem 偶ycia.
Nagroda Nobla w tym roku przypomina, 偶e rozw贸j gospodarczy to nie tylko prosty efekt pozyskiwania zasob贸w naturalnych, czy sprzyjaj膮ce po艂o偶enie geograficzne, ale 艣wiadoma praca ludzi w z艂o偶onych i efektywnych instytucjach, kt贸re tworz膮 fundamenty dla sprawiedliwego rozwoju spo艂ecznego.
Materia艂 藕r贸d艂owy:
- dr hab. Tomasz Gwizda艂艂a, prof. U艁, dziekan , Kierownik na Wydziale Fizyki i Informatyki Stosowanej Uniwersytetu 艁贸dzkiego
- dr hab. 艁ukasz Pu艂aski, prof. U艁, ,
- dr Ewa Feder-Sempach, adiunkt, Katedra Ekonomii Mi臋dzynarodowej,
Redakcja (w tym 艣r贸dtytu艂y): Micha艂 Gruda (CKiPR U艁)