Новая ИИ-система проектирует белки атом за атомом, и они работают

Генеративная система искусственного интеллекта, которая проектирует белки и нуклеиновые кислоты атом за атомом, теперь опубликовала полный проект, и белки, созданные ею с нуля, осуществили задуманные химические реакции в реальных лабораторных экспериментах.

Система, получившая название RFdiffusion3 или RFD3, была создана международной командой, в которую входят Вашингтонский университет в США, Оксфордский университет в Великобритании и производитель чипов Nvidia, среди прочих. Подробности появились в журнале Science, а сообщения распространялись в китайской технологической прессе 19 октября. В команду входит Дэвид Бейкер, профессор Вашингтонского университета, разделивший Нобелевскую премию по химии 2024 года за работу по вычислительному дизайну белков.

Прорыв касается разрешения. Более ранние инструменты дизайна белков работали с более крупными строительными блоками, располагая фрагменты белковой структуры так, как дизайнер мог бы расставлять мебель в комнате. RFD3 вместо этого моделирует отдельные атомы, что позволяет размещать каждую связь и боковую цепь с гораздо более тонким контролем. Согласно сообщениям, он может генерировать белковые структуры примерно на порядок быстрее, чем предыдущее поколение системы.

Эта скорость и точность важны, потому что белки — это молекулярные машины, которые выполняют большую часть работы внутри живых клеток. Если исследователи смогут создавать новые белки по запросу, они смогут нацелиться на проблемы, которые природные белки никогда не эволюционировали, чтобы решать: новые катализаторы для промышленной химии, сенсоры, материалы и потенциальные лекарства.

Самое поразительное утверждение заключается в том, что это не только компьютерное упражнение. Белки, только что спроектированные RFD3, были синтезированы и протестированы, и они выполнили функции, задуманные дизайнерами, в реальных химических реакциях. Этот шаг — от предсказанной структуры на экране к работающей молекуле в пробирке — исторически является местом, где спотыкаются большинство усилий по вычислительному дизайну.

Система также распространяется за пределы белков на нуклеиновые кислоты, такие как ДНК и РНК, расширяя диапазон молекулярных инструментов, которые ученые могут попытаться создать. Команда опубликовала свою подробную схему дизайна, чтобы другие группы могли изучить и развить метод — практика, которая стала обычной в быстро развивающейся области биологии на основе ИИ.

Работа вписывается в более широкий сдвиг в науках о жизни, где машинное обучение переходит от анализа данных к предложению совершенно новых молекул. Дизайн белков стал одной из самых ясных демонстраций того, что генеративные модели могут создавать объекты, не существующие в природе, и которые при этом ведут себя как задумано в реальных условиях.

Для мировой аудитории значение имеет не столько какая-либо отдельная молекула, сколько сам инструмент. Система, которая может набросать белок на атомном уровне и добиться того, чтобы этот набросок выдержал проверку в лаборатории, сокращает путь от идеи до эксперимента. Следующим испытанием станет то, смогут ли лаборатории по всему миру использовать ее для проектирования белков, решающих практические задачи в медицине и промышленности, а не только для изящных демонстраций.