Искусственный интеллект точно предсказывает структуру белка

«Мечта предсказать форму белка, исходя только из его генетической последовательности, теперь стала реальностью», — сказал Пол Адамс, заместитель директора лаборатории по бионаукам в Berkeley Lab. Для структурных биологов, изучающих белки, предсказание их формы — ключ к пониманию их функции и ускорению разработки методов лечения таких заболеваний, как рак и COVID-19.

Однако современные подходы к точному определению этой формы обычно полагаются на сложные эксперименты на синхротронах. Даже эти сложные процессы имеют свои ограничения — данные и их качество не всегда достаточны для понимания белка на атомном уровне. Применяя мощные методы машинного обучения к обширной библиотеке белковых структур, теперь возможно предсказать форму белка по его генетической последовательности.

Исследователи из подразделения молекулярной биофизики и интегративной биоимиджинга Berkeley Lab присоединились к международной инициативе под руководством Вашингтонского университета по созданию программного инструмента RoseTTAFold. Алгоритм одновременно учитывает паттерны, расстояния и координаты аминокислот. По мере поступления этих входных данных инструмент оценивает взаимосвязи внутри и между структурами, в конечном итоге помогая построить очень детальную картину формы белка.

Чтобы проверить точность предсказаний, группа структурных биологов под руководством Адамса использовала предсказание RoseTTAFold для определения структуры нового белка на основе ранее собранных экспериментальных данных. Кроме того, Рэнди Рид из Кембриджского университета, сотрудничающий с Адамсом в разработке программного пакета Phenix для автоматического определения молекулярных структур, протестировал новую программу на кристаллографических данных, которые также оказалось невозможно интерпретировать с помощью существующих методов.

Точные структурные модели могут дать представление о том, как мутации в конкретных белках приводят к болезни. «Эти инструменты предсказания будут катализировать больше структурно-биологических экспериментов для понимания тонких химических деталей белков, которые не могут предоставить другие методы предсказания, — сказал Адамс. — Всё это поможет углубить наше фундаментальное понимание биологии, разработать новые и улучшенные лекарства и создать белки для растущей биоэкономики».