ALPHAFOLD 3 ПРЕДСКАЗЫВАЕТ СТРУКТУРУ И ВЗАИМОДЕЙСТВИЕ ВСЕХ БИОЛОГИЧЕСКИХ МОЛЕКУЛ
17 мая 2024
Мария Молодова
В журнале Nature Google DeepMind представили AlphaFold 3 — новую версию модели на основе искусственного интеллекта для предсказания структуры белков и других молекул, а также их взаимодействия друг с другом. Выход программы в открытый доступ уже вызвал настоящий ажиотаж среди исследователей! Благодаря AlphaFold 3 наше понимание биологического мира может выйти на новый уровень, а разработка новых лекарств — ускориться в сотни раз.
Введение
Белки — это «молекулярные машины», управляющие почти всеми химическими процессами в клетке. Белок представляет собой цепочку из «строительных блоков» — аминокислот, которая, в свою очередь, сворачивается в пространстве в определенную трехмерную структуру. Знание пространственной структуры белка необходимо, чтобы выявить его функции в клетке, а также предсказать способность к взаимодействию с другими молекулами, в том числе, потенциальными лекарствами. А ученым-биоинженерам знание структуры помогает искусственно создавать новые белки, например, фермент для переработки пластика. Сегодня известны аминокислотные последовательности множества белков, но получить пространственную структуру белка экспериментально гораздо сложнее и не всегда возможно. Зато структуру белка можно теоретически предсказать по последовательности аминокислот.
Лучше всего с этой задачей справляются нейросети — в частности, модель глубокого обучения AlphaFold. Последняя версия модели построена на основе AlphaFold 2, которая в 2020 году совершила фундаментальный прорыв в предсказании структуры белков, намного превзойдя по точности все существующие решения. Исследователи по всему миру использовали AlphaFold 2, например, для разработки вакцин против малярии, искусственных ферментов, поиска лекарств от рака. В отличие от своего предшественника, AlphaFold 3 предсказывает структуру не только отдельного белка, но и нескольких взаимодействующих молекул. Например, комплексов белка с малой молекулой (лигандом), белка с антителом и белка с ДНК или РНК. К лигандам относятся многие лекарства, а терапевтические антитела применяются для лечения инфекционных заболеваний. Причем AlphaFold 3 не только «научился» предсказывать разные типы взаимодействий биомолекул, но и превзошел по точности и производительности программы, специально созданные для этих задач!
Итак, принимая на вход список молекул, AlphaFold 3 генерирует их трехмерную структуру, показывая, как они взаимодействуют друг с другом. В основе AlphaFold 3 лежит улучшенная архитектура нейросети AlphaFold 2. Важным новшеством, позволившим AlphaFold 3 «справляться» с широким спектром биомолекул, а не только с белками, стало использование диффузионной сети для предсказания структуры молекулы. Такой же принцип используется, например, в нейросетях для генерации изображений: Glide, Dalle-2, Imagen. Вышеперечисленные модели поэтапно создают изображение из набора случайно расположенных пикселей, используя информацию о том, как пиксели должны располагаться по отношению друг к другу. В случае же AlphaFold 3 процесс диффузии начинается с облака случайно расположенных атомов и за множество шагов сходится к окончательной, наиболее точной структуре молекулы. Однако есть и недостатки: модель может предсказать только статические структуры, но не динамическое поведение молекул в растворе. Кроме этого, метод чувствителен к шуму, что можно отчасти исправить многократными «прогонами» модели.
На примере AlphaFold 3 мы видим, как использование искусственного интеллекта выводит биологические исследования на новый уровень. Одна программа «научилась» выполнять множество специализированных задач, и, возможно, в будущем сумеет провести все этапы дизайна лекарств. Alphafold 3 обещает найти применение в ведущих областях биологии: от разработки биовозобновляемых материалов и более устойчивых сельскохозяйственных культур до ускорения разработки лекарств и исследований в области геномики.
А главное, бесплатно воспользоваться программой можно уже сейчас на сервере Alphafold. Это позволит учёным проверять свои гипотезы буквально в два клика! А если вы не биолог, то можете «поиграть» с моделью на предложенных примерах биологических молекул.
Лучше всего с этой задачей справляются нейросети — в частности, модель глубокого обучения AlphaFold. Последняя версия модели построена на основе AlphaFold 2, которая в 2020 году совершила фундаментальный прорыв в предсказании структуры белков, намного превзойдя по точности все существующие решения. Исследователи по всему миру использовали AlphaFold 2, например, для разработки вакцин против малярии, искусственных ферментов, поиска лекарств от рака. В отличие от своего предшественника, AlphaFold 3 предсказывает структуру не только отдельного белка, но и нескольких взаимодействующих молекул. Например, комплексов белка с малой молекулой (лигандом), белка с антителом и белка с ДНК или РНК. К лигандам относятся многие лекарства, а терапевтические антитела применяются для лечения инфекционных заболеваний. Причем AlphaFold 3 не только «научился» предсказывать разные типы взаимодействий биомолекул, но и превзошел по точности и производительности программы, специально созданные для этих задач!
Итак, принимая на вход список молекул, AlphaFold 3 генерирует их трехмерную структуру, показывая, как они взаимодействуют друг с другом. В основе AlphaFold 3 лежит улучшенная архитектура нейросети AlphaFold 2. Важным новшеством, позволившим AlphaFold 3 «справляться» с широким спектром биомолекул, а не только с белками, стало использование диффузионной сети для предсказания структуры молекулы. Такой же принцип используется, например, в нейросетях для генерации изображений: Glide, Dalle-2, Imagen. Вышеперечисленные модели поэтапно создают изображение из набора случайно расположенных пикселей, используя информацию о том, как пиксели должны располагаться по отношению друг к другу. В случае же AlphaFold 3 процесс диффузии начинается с облака случайно расположенных атомов и за множество шагов сходится к окончательной, наиболее точной структуре молекулы. Однако есть и недостатки: модель может предсказать только статические структуры, но не динамическое поведение молекул в растворе. Кроме этого, метод чувствителен к шуму, что можно отчасти исправить многократными «прогонами» модели.
На примере AlphaFold 3 мы видим, как использование искусственного интеллекта выводит биологические исследования на новый уровень. Одна программа «научилась» выполнять множество специализированных задач, и, возможно, в будущем сумеет провести все этапы дизайна лекарств. Alphafold 3 обещает найти применение в ведущих областях биологии: от разработки биовозобновляемых материалов и более устойчивых сельскохозяйственных культур до ускорения разработки лекарств и исследований в области геномики.
А главное, бесплатно воспользоваться программой можно уже сейчас на сервере Alphafold. Это позволит учёным проверять свои гипотезы буквально в два клика! А если вы не биолог, то можете «поиграть» с моделью на предложенных примерах биологических молекул.
ПОДЕЛИТЕСЬ В СОЦСЕТЯХ!
Мессенджеры
Отправляйте нам! Узнайте подробнее в мессенджерах или напишите нам на сайте
Задать вопрос на сайте
У ВАС ЕСТЬ МАТЕРИАЛЫ, КОТОРЫМИ ВЫ ХОТЕЛИ БЫ ПОДЕЛИТЬСЯ?
Задайте свой вопрос в поле ниже:
