Google DeepMind представила обновление модели ИИ для изучения структуры молекул
Последняя версия модели искусственного интеллекта предоставляет более точные данные о структуре белков. Более того, AlphaFold теперь может изучать более широкий спектр биологических молекул. DeepMind считает, что расширенные возможности модели могут помочь в продвижении исследований в таких областях, как открытие лекарств.
Белки, строительные блоки жизни, представляют собой сложные молекулы, которые скручиваются и складываются в различные формы. Структуры, в которые преобразуется белок, напрямую влияют на его поведение. В результате изучение этих структур является для ученых главным приоритетом.
В некоторых случаях лабораторное определение формы белка может потребовать многих лет работы. В результате ученые уже давно стремятся разработать программное обеспечение, которое сможет автоматизировать эту задачу. Три года назад компания DeepMind первой достигла этой цели благодаря своей модели AlphaFold, которая продемонстрировала способность предсказывать структуру белков за считанные дни.
Новая версия AlphaFold предлагает расширенные возможности прогнозирования. По данным DeepMind, она может оценивать форму не только белков, но и других биологических молекул. Помимо прочего, модель позволяет прогнозировать структуру так называемых лигандов. Это молекулы, которые могут связываться с белком и вызывать изменения в его работе. Лиганды играют важную роль в передаче сигналов клетками — ключевом биологическом процессе, посредством которого клетки влияют на поведение друг друга. AlphaFold также может оценить структуру других молекул. Среди этих молекул — нуклеиновые кислоты — семейство соединений, включающее ДНК и РНК. Более того, AlphaFold теперь может не только рассчитывать форму большего количества молекул, но и делать это с повышенной точностью.
Когда лиганд присоединяется или связывается с белком, объединенная структура становится, так называемым, белково-лигандный комплексом. Исследователи исторически оценивали форму таких комплексов методом стыковки. По данным DeepMind, новая версия AlphaFold может предсказывать форму белково-лигандных комплексов точнее, чем лучшие методы стыковки. Более того, для этого требуется значительно меньше данных, чем для методов стыковки. В результате AlphaFold потенциально может облегчить ученым изучение недавно открытых белково-лигандных комплексов, о которых пока имеется очень мало информации.
Модель искусственного интеллекта обеспечивает повышенную точность и в других областях. Например, AlphaFold может предсказать структуру почти всех молекул в широко используемой научной базе «Банк Данных Белка» (Protein Data Bank). DeepMind утверждает, что модель часто генерирует эти прогнозы с «атомарной точностью».
«Как показывает ранний анализ, наша модель значительно превосходит AlphaFold 2.3 в задачах прогнозирования структуры белка, которые важны для открытия лекарств, таких как связывание антител», — написали исследователи DeepMind в своем блоге. «Кроме того, точное предсказание белково-лигандных структур является невероятно ценным инструментом для открытия лекарств, поскольку оно может помочь ученым идентифицировать и разрабатывать новые молекулы, которые в дальнейшем могут стать лекарствами».
Исследователи уже используют AlphaFold для поддержки научных проектов. Более 1,4 миллиона пользователей получили доступ к базе данных структур белков AlphaFold, содержащей белковые структуры, созданные с помощью модели искусственного интеллекта.
