Взаимодействие белок-ДНК, смоделированное AlphaFold 3.
На прошлой неделе Google выпустила долгожданное обновление своего программного обеспечения AlphaFold, которое использует искусственный интеллект для прогнозирования формы и структуры молекул в человеческом теле.
Форма любой молекулы указывает на ее функцию и поведение, поэтому биологи уже давно исследуют, как цепочки аминокислот, строительные блоки белков, складываются в различные формы. Инструмент искусственного интеллекта может ускорить и оптимизировать этот процесс, открывая новые возможности для прорывов, особенно в разработке вакцин и лекарств.
AlphaFold 3, новейшее обновление от Google DeepMind, описанное на прошлой неделе в журнале. Природа, основывается на двух предыдущих итерациях. Первоначальная версия программного обеспечения в 2018 году предлагала потенциал для точного прогнозирования трехмерной структуры белков, а его обновление 2020 года, AlphaFold 2, принесло значительные улучшения. В 2021 году Google выпустила версию AlphaFold с открытым исходным кодом вместе с предсказанными трехмерными структурами почти всех известных белков в организме человека. В следующем году были опубликованы два миллиона предсказанных белковых структур.
Но, несмотря на эти успехи, которые помогли исследователям составить карту человеческого сердца и лучше понять яйца вымерших птиц, возможности AlphaFold 2 были ограничены моделированием белков.
«Система AlphaFold 2 знала только об аминокислотах, поэтому ее полезность для биофармацевтики была очень ограниченной», — говорит Мохаммед Аль-Курайши, системный биолог из Колумбийского университета, не связанный с Google DeepMind. Обзор технологий Массачусетского технологического института's Джеймс О'Доннелл.
Структурный прогноз AlphaFold 3 для белка-шипа (синий) вируса простуды, когда он взаимодействует с антителами (бирюзовый) и простыми сахарами (желтый). Истинная структура показана серым цветом.
Новейшая версия программного обеспечения позволяет предсказывать не только форму белков, но и структуры ДНК, РНК и других молекул, например лигандов. Важно отметить, что это обновление позволит исследователям лучше прогнозировать и изучать, как различные молекулы в организме человека геометрически взаимодействуют друг с другом, а также предвидеть, где лекарство может связаться с белком.
Эта способность может «сэкономить месяцы экспериментальной работы и позволить проводить исследования, которые ранее были невозможны», — говорит Дениз Кави, соучредитель и исполнительный директор Tamarind Bio, стартапа по разработке лекарств. Газета «Нью-Йорк Таймс' Кейд Мец. «Это представляет собой огромные перспективы».
Исследователи могли бы использовать обновление программного обеспечения для изучения некоторых первоначальных вопросов, в том числе того, как белки реагируют на повреждение ДНК в организме человека.
«Это говорит нам гораздо больше о том, как взаимодействуют механизмы клетки», — говорит Джон Джампер, директор Google DeepMind. Газета «Нью-Йорк Таймс. «Оно говорит нам, как это должно работать и что происходит, когда мы заболеваем».
AlphaFold 3 предлагает исследователям уровень уверенности, часто варьирующийся от 40 до 80 процентов, для каждого прогноза, который он моделирует, согласно данным Обзор технологий Массачусетского технологического института. Части структуры, смоделированные с высокой достоверностью, отображаются синим цветом, а более неопределенные области — красным. В некоторых областях ее неточность является ограничением — например, для моделирования взаимодействий РНК-белок система еще не является очень точной.
Еще одним потенциальным недостатком является способность модели «галлюцинировать» или выдавать ложную информацию. Команда AlphaFold 3, чтобы создать молекулярную библиотеку и функции, позаимствовала методы из других моделей искусственного интеллекта, таких как DALL-E 2 от OpenAI и Sora, которые генерируют изображения и видео. Это улучшило способность AlphaFold 3 создавать большие трехмерные изображения молекулярных форм, но делает его склонным к галлюцинациям. Команда надеется решить эту проблему с помощью большего количества обучающих данных, и в статье они отмечают, что галлюцинаторные структуры обычно отмечаются как низкая достоверность.
В отличие от своего предшественника, код AlphaFold 3 не будет открыт с открытым исходным кодом, и публично будет выпущена только ограниченная версия AlphaFold Server.
«Для нас это большой прогресс», — говорит Демис Хассабис, генеральный директор Google DeepMind. ПРОВОДНОЙЭто Уилл Найт. «Это именно то, что вам нужно для открытия лекарств: вам нужно увидеть, как небольшая молекула будет связываться с лекарством, насколько сильно, а также с чем еще она может связываться».
