Нейросеть для дизайна белков: за что дали нобелевку по химии?
Нобелевскую премию по химии в этом году присудили американцам Дэвиду Бейкеру и Джону Джамперу, а также британцу Демису Хассабису за разработку в области вычислительного проектирования и прогнозирования структуры белка. Расскажем, как ИИ решил проблему последних десятилетий, научился предсказывать сложные структуры и зачем это нужно.
Взломать код макромолекул
Белки — это биополимеры, без которых невозможна жизнь. За всем разнообразием функций, за которые они отвечают, стоит всего лишь 20 аминокислот. Из их комбинаций складываются отдельные белки, плюс цепочка из аминокислот компануется в уникальную трехмерную структуру.
Некоторые белки становятся строительными блоками, из которых будут состоять мышцы, рога или перья, другие могут стать гормонами или антителами. Многие из них образуют ферменты, которые управляют химическими реакциями. Белки, которые находятся на поверхности клеток, также важны и функционируют как каналы связи между клеткой и ее окружением. А функции белков во многом определяются их структурой.
Фолдинг белка — процесс, во время которого линейная макромолекула из аминокислот приобретает сложную трехмерную структуру
Изображение: © Public domain
Область дизайна белков с новыми функциями начала развиваться в конце 1990-х годов. В основном исследователи модифицировали существующие белки, чтобы те могли расщеплять опасные вещества или приносить пользу в химической промышленности. А команда Дэвида Бейкера решила научиться создать их с нуля. Прорыв удалось совершить в 2003 году, когда ученый смоделировал совершенно новый белок, не существующий в природе.
Команда продолжила работу, моделируя все новые и новые макромолекулы с заданными функциями. Они предлагали структуру, которая бы позволила белку выполнять ту или иную задачу, а разработанная программа определяла, из каких аминокислот он должен состоять. Такой алгоритм открыл доступ к синтезу белков для медицинских препаратов, вакцин и наноматериалов, расширив возможности их применения.
ИИ для ускорения прогнозирования
Второй этап открытия касался предсказания трехмерной структуры белка по известной последовательности аминокислот. Над этим вопросом ученые к тому времени бились уже около полувека. Проблему удалось решить в 2020 году сотрудникам компании Google DeepMind Демису Хассабису и Джону Джамперу, которые представили алгоритм ИИ AlphaFold2. Эта модель может предсказывать структуру более 200 млн белков.
ИИ и белки
Первую версию программы AlphaFold представили в 2018-м. Два года спустя вышла вторая версия, которая намного превзошла первую в точности предсказания. В мае 2024 году ученые анонсировали третью. Она должна предсказывать не только структуру белка, но и его комплексы с другими молекулами, например ДНК или РНК.
Ключевой особенностью работы ученых стало и то, что AlphaFold2 был представлен как ПО с открытым исходным кодом и собственной базой данных, поэтому он стал частью научной работы, в которой участвовали более двух миллионов человек из 190 стран. Благодаря этому значительно быстрее пошли многие исследования в медицине, экологии и биоинженерии, позволив ученым разрабатывать, к примеру, ферменты для разложения пластика и изучать механизмы устойчивости к антибиотикам.
Так выглядит один из белков, смоделированный AlphaFold2, который отвечает за резистентность бактерий к антибиотикам
Изображение: © The Noble prise
«Эта работа особенно важна для разработки лекарств, так как знание точной структуры белка позволяет ученым с гораздо большей точностью подбирать и разрабатывать молекулы, которые могут взаимодействовать с целевыми белками, подавляя их активность или, наоборот, усиливая. Это открывает новые возможности для создания препаратов от таких сложных патологий, как рак, нейродегенеративные и инфекционные заболевания.
До появления AlphaFold2 процесс определения структуры белков занимал годы и требовал дорогостоящих экспериментов. Теперь это можно сделать за считанные часы, а в некоторых случаях даже минуты, используя компьютерные модели. Это значительно ускоряет исследовательский процесс и снижает затраты на разработку новых препаратов. Знание точной структуры белка позволяет ученым с гораздо большей точностью подбирать и разрабатывать молекулы, которые могут взаимодействовать с целевыми структурами, что продемонстрировано уже в AlphaFold3.
Что немаловажно, Нобелевская премия по физикt выдана за вклад в развитие машинного обучения, в том числе за обратное распространение ошибки и регуляризацию (в развитии которых один из авторов, Джефри Хинтон, сыграл решающую роль), без которого AlphaFold не было бы», — объясняет младший научный сотрудник Научного центра трансляционной медицины Университета «Сириус» Илья Ларин.
На федеральной территории «Сириус» проходит XXII Менделеевский съезд по общей и прикладной химии — одно из ключевых событий, посвященных 190-летию Д. И. Менделеева и 300-летию основания Российской академии наук. В программе пленарные и секционные доклады, стендовые сообщения, симпозиумы и круглые столы по основным направлениям химической науки и технологии.
