Машинное предсказание структуры белков - революционный прорыв, считает эксперт

Новосибирск. 9 октября. ИНТЕРФАКС - Работы в области дизайна белковых молекул, за которые присуждена Нобелевская премия по химии 2024 года, являются революционными и имеют огромное значение, в том числе, для практического применения, считает директор Института химической биологии и фундаментальной медицины СО РАН (ИХБФМ, Новосибирск), руководитель Объединенного центра геномных, протеомных и метаболомных исследований ИХБФМ СО РАН Владимир Коваль.

"Это революционный прорыв, потому что, например, в клетке человека 20-30 тыс. белков. Это не только изучение функций белков, но и мишени для лекарств, диагностика и так далее", - сказал он "Интерфаксу".

Коваль уточнил, что работы нобелиатов научили искусственный интеллект предсказывать структуру белков по заданной аминокислотной последовательности, при этом учитывались физико-химические взаимодействия между молекулами.

Ученый также заметил, что созданная на основе их разработок система AlphaFold к настоящему времени уже предсказала структуру около 1,7 млн белков, сейчас действует ее третья версия.

Однако, считает Коваль, в идеале предсказанные модели должны проверяться экспериментальными методами, например, с помощью рентгеноструктурного анализа.

Как сообщалось, лауреатами Нобелевской премии по химии 2024 года стали Дэвид Бейкер из Медицинского института Говарда Хьюза - за "компьютерный дизайн белков", а также сотрудники компании Google DeepMind Демис Хассабис и Джон Джампер - "за предсказание структуры белка".

В решении комитета отмечается, что половину премии получит Бейкер, вторая половина будет поделена между Джампером и Хассабисом.

Белки обычно состоят из 20 различных аминокислот, их можно назвать строительными блоками жизни. В 2003 году Бейкер разработал новый уникальный белок, не похожий ни на один другой. С тех пор группа исследователей под его руководством создавала одно за другим белковые соединения, включая белки, которые можно использовать в качестве фармацевтических препаратов, вакцин, наноматериалов и крошечных датчиков.

Второе открытие касается одной из самых сложных задач в биохимии - реконструкции трехмерной структуры белков на основе их аминокислотной последовательности. В белках аминокислоты связаны в длинные нити, образующие трехмерную структуру, которая имеет решающее значение для функции белка. С 1970-х годов исследователи пытались предсказать структуры белков из последовательностей аминокислот, но это было крайне сложно. Однако в этой области удалось сделать прорыв.

В 2018 году Хассабис и Джампер представили алгоритм машинного обучения AlphaFold. В 2020 году исследователи выпустили вторую версию алгоритма, AlphaFold2. С ее помощью они смогли предсказать структуру практически всех 200 млн белков, которые идентифицировали ученые. С того момента AlphaFold2 использовали более 2 млн человек из 190 стран.

Весной 2024 года Google DeepMind уже создала AlphaFold3. Модель ИИ AlphaFold и ее версии используются для решения многих теоретических и практических задач, от исследований устойчивости к антибиотикам и поиска потенциальных мишеней для лекарств до реконструкции молекулярных структур и создания изображения ферментов, которые могут разлагать пластик.