Ученые научили AlphaFold учитывать данные экспериментов о белках
Исследователи сделали шаг к новой версии AlphaFold, которая сможет видеть белки не как неподвижные конструкции, а как подвижные молекулы. Для этого ИИ-модель научили учитывать экспериментальные данные и восстанавливать разные формы белковых структур.
Источник: Новости науки.
МОСКВА, 30 июня /Новости науки/. Ученые разработали способ направлять работу AlphaFold при помощи экспериментальных данных. Подход, описанный в журнале Nature Biotechnology, поможет будущим ИИ-моделям точнее предсказывать реальные формы белков.
AlphaFold уже умеет с высокой точностью предсказывать трехмерную структуру белков, однако обычно показывает одну наиболее вероятную форму молекулы. В реальности белки постоянно движутся, меняют очертания и могут принимать несколько важных для работы организма состояний. Именно эта «подвижность» часто определяет, как белок взаимодействует с другими молекулами и как он участвует в развитии болезней.
«Белки являются очень динамичными молекулами. Возможность моделировать эту динамику при помощи направляемого экспериментами AlphaFold покажет функциональную важность движений белков», — заявил профессор Алекс Бронштейн, один из руководителей работы.
Авторы исследования отмечают, что современные базы белковых структур во многом основаны на данных рентгеновской кристаллографии. Этот метод десятилетиями был главным инструментом структурной биологии, но он часто фиксирует молекулы в статичном виде. Гибкие участки белков, например петли, нередко выглядят как плохо различимые или «размытые» зоны, хотя именно они могут играть важную биологическую роль.
Новый подход должен помочь AlphaFold работать не только с жесткими структурами, но и с наборами возможных форм белка. Исследователи хотят, чтобы модель могла извлекать полезную информацию даже из «шумных» экспериментальных данных, где размытость структуры становится не помехой, а важным сигналом. В перспективе это может ускорить изучение крупных белковых комплексов, поиск лекарств и создание новых белков с заданными свойствами.
AlphaFold — система искусственного интеллекта для предсказания структуры белков, разработка которой стала одним из крупнейших прорывов в современной биологии. В 2024 году работы, связанные с такими методами компьютерного моделирования белков, были отмечены Нобелевской премией по химии.
AlphaFold уже умеет с высокой точностью предсказывать трехмерную структуру белков, однако обычно показывает одну наиболее вероятную форму молекулы. В реальности белки постоянно движутся, меняют очертания и могут принимать несколько важных для работы организма состояний. Именно эта «подвижность» часто определяет, как белок взаимодействует с другими молекулами и как он участвует в развитии болезней.
«Белки являются очень динамичными молекулами. Возможность моделировать эту динамику при помощи направляемого экспериментами AlphaFold покажет функциональную важность движений белков», — заявил профессор Алекс Бронштейн, один из руководителей работы.
Авторы исследования отмечают, что современные базы белковых структур во многом основаны на данных рентгеновской кристаллографии. Этот метод десятилетиями был главным инструментом структурной биологии, но он часто фиксирует молекулы в статичном виде. Гибкие участки белков, например петли, нередко выглядят как плохо различимые или «размытые» зоны, хотя именно они могут играть важную биологическую роль.
Новый подход должен помочь AlphaFold работать не только с жесткими структурами, но и с наборами возможных форм белка. Исследователи хотят, чтобы модель могла извлекать полезную информацию даже из «шумных» экспериментальных данных, где размытость структуры становится не помехой, а важным сигналом. В перспективе это может ускорить изучение крупных белковых комплексов, поиск лекарств и создание новых белков с заданными свойствами.
AlphaFold — система искусственного интеллекта для предсказания структуры белков, разработка которой стала одним из крупнейших прорывов в современной биологии. В 2024 году работы, связанные с такими методами компьютерного моделирования белков, были отмечены Нобелевской премией по химии.
