Тестирование пределов точности AlphaFold2 в предсказании структуры белка
Определение трёхмерных структур белков экспериментально остаётся сложной задачей. Хотя секвенировано сотни миллионов последовательностей ДНК, охарактеризовано лишь несколько сотен тысяч белковых структур. Предсказание структуры по последовательности критически важно для понимания функций белков, болезней, старения и белковой инженерии.
AlphaFold2 от Google DeepMind стал крупным прорывом в этой области, и некоторые считают проблему предсказания структуры «решённой». Однако оставался открытым вопрос о пределах его точности, особенно в предсказании эффектов точечных мутаций — замены одной аминокислоты на другую. Это важно для изучения болезней и эволюции. Официальная база данных AlphaFold предупреждает, что алгоритм не валидирован для предсказания эффектов мутаций.
Исследователи из Центра мягкой и живой материи Института базовой науки (Южная Корея) изучили эти пределы. Они использовали двухэтапный подход:
- Прямая валидация: сравнение предсказаний AlphaFold с экспериментальными структурами из Protein Data Bank (PDB).
- Косвенная валидация: сравнение предсказанных эффектов мутаций на структуру с эмпирическими измерениями фенотипов белков.
Исследование столкнулось с трудностями:
- Нехватка данных: Из более полумиллиона структур в PDB для анализа эффектов мутаций после строгого отбора пригодны лишь несколько тысяч. Данные содержали много шума.
- Неадекватность стандартных метрик: Традиционные меры, как RMSD, плохо улавливают локальные изменения от мутаций. Локальные меры (например, LDDT) имеют низкое разрешение.
Несмотря на это, учёные разработали методологию статистического измерения эффектов мутаций по экспериментальным структурам. Её применение показало, что предсказания AlphaFold почти так же точны, как экспериментальные измерения.
Для преодоления второй проблемы команда применила инструменты из физики, а именно концепции механики сплошных сред, для измерения деформации (strain) в белках. Тестирование на флуоресцентных белках показало, что AlphaFold точно предсказывает деформацию в сайте связывания хромофора (важном для флуоресценции), что ведёт к точному предсказанию самой флуоресценции.
Эта первая успешная валидация AlphaFold для предсказания эффектов мутаций открывает путь для исследований в области болезней и разработки лекарств. Способность предсказывать эффекты мутаций также улучшит изучение эволюции — как для направленной эволюции новых ферментов, так и для понимания истории жизни.
Исследование опубликовано в журнале Physical Review Letters.