Ферменты — двигатели жизни: машинное обучение поможет учёным создавать новые

Ферменты — это молекулярные машины, осуществляющие химические реакции, поддерживающие жизнь. Например, фермент ацетилхолинэстераза расщепляет тысячи молекул ацетилхолина в секунду, предотвращая паралич мышц. Без фермента этот процесс занял бы месяц — примерно в 10 миллиардов раз медленнее.

Способность ферментов к быстрым и специфичным реакциям делает их перспективными для решения современных задач: разложения пластика, улавливания CO₂ или уничтожения раковых клеток. Однако проектирование ферментов с нуля чрезвычайно сложно. Новое исследование показывает, что машинное обучение может стать архитектором для создания таких молекулярных структур.

Что такое фермент?

Ферменты — это белки, состоящие из аминокислот, которые складываются в уникальные трёхмерные формы. Ключевой для функции фермента является его активный центр — область, которая, подобно замку, идеально подходит к молекуле-«ключу» (субстрату). Активный центр ориентирует аминокислоты так, чтобы облегчить и ускорить химическое превращение субстрата.

Как проектируют ферменты?

Традиционные подходы имеют ограничения:

• Модификация существующих ферментов улучшает стабильность (например, позволяет работать при более высоких температурах), но редко значительно увеличивает скорость.
• Направленная эволюция — случайное изменение аминокислотной последовательности с последующим отбором нужных свойств. Метод эффективен, но трудоёмок и зависит от наличия подходящего природного фермента для старта.

Оба подхода ограничены формами природных белков, что сужает спектр возможных химических реакций.

Проектирование ферментов с помощью компьютеров

Ранние попытки вычислительного дизайна помещали активные центры в структуры природных белков. Это было похоже на поиск идеально сидящего костюма в секонд-хенде — результат часто оказывался медленным и требовал дополнительной оптимизации.

Прорыв произошёл с развитием глубокого обучения. Теперь ферменты можно генерировать подобно тому, как модели ИИ (ChatGPT, DALL-E) создают текст или изображения, без необходимости опоры на природные белки.

Исследование команды:

Учёные использовали модель ИИ RFdiffusion. Её «промптом» (запросом) служили структура и аминокислотная последовательность активного центра. Модель генерировала полную структуру фермента, идеально поддерживающую этот центр — аналогично тому, как ChatGPT пишет рассказ по одной заданной фразе.

Модель применяли для создания ферментов класса сериновые гидролазы, перспективных для медицины и переработки пластика. Многие из спроектированных ферментов успешно расщепляли целевые молекулы, превосходя по эффективности ранее созданные аналоги.

С помощью рентгеновской кристаллографии учёные подтвердили, что реальные структуры синтезированных ферментов почти идеально соответствовали цифровым проектам.

Это достижение открывает новые возможности для решения сложных задач с помощью ферментов, делая их дизайн более доступным для исследователей.