AlphaFold3: прорыв в предсказании структур белков, но науке нужны доказательства

Искусственный интеллект AlphaFold от Google DeepMind решает одну из главных неразгаданных тайн биологии — предсказание 3D-структур белков по их аминокислотной последовательности. Недавно выпущена новая версия алгоритма — AlphaFold3.

Белки участвуют практически во всех процессах в клетках, но их сложные формы трудно визуализировать. Возможность предсказывать их 3D-структуры открывает новые пути для понимания болезней и создания лекарств на молекулярном уровне.

  • Первая версия инструмента была представлена в 2018 году.
  • В 2020 году AlphaFold2 произвел впечатление на конкурсе CASP (Critical Assessment of Structure Prediction), где с 1994 года оценивают методы предсказания структур.
  • Однако AlphaFold2 критиковали как чисто прогностический инструмент, требующий экспериментальной проверки.

Сильные и слабые стороны AlphaFold

  • Преимущество: скорость (минуты вместо месяцев) и почти нулевая стоимость анализа. Алгоритм также может предсказывать структуры сложных для эксперимента мембранных белков.
  • Недостаток AlphaFold2: он не был предназначен для предсказания четвертичной структуры (объединение нескольких белковых субъединиц) и иногда испытывал трудности с предсказанием спиралей (coils).

Потенциал AlphaFold3

Ранние отчеты указывают, что AlphaFold3, вероятно, успешно предсказывает четвертичные структуры. Если его точность окажется сопоставима или выше, чем у экспериментальных методов (рентгеновская кристаллография, cryo-EM), это станет гигантским скачком в молекулярной медицине.

Экспериментальные методы не уходят

Методы вроде cryo-EM и кристаллографии по-прежнему дают данные высочайшего разрешения и предоставляют "фотографии" белков, в то время как для полного понимания их функций нужны "фильмы" об их движении и взаимодействиях. Прогресс в этой области продолжается (например, лазер European XFEL в Германии).

Конкуренция и будущее

DeepMind — не единственный игрок. Другие команды (например, Лиама МакГаффина в Университете Рединга) работают над оценкой качества моделей и предсказанием стехиометрии белковых комплексов.

Главный вопрос: если AlphaFold3 будет давать результаты, сравнимые с экспериментальными, готово ли научное сообщество принять их без традиционной проверки? Если да, скорость и точность алгоритма могут революционизировать разработку лекарств. AlphaFold3, возможно, преодолел самый значительный барьер в предсказании белков — что мы создадим в этом новом мире?