Исследователи из «Сколтеха» и стартапа «Лигаанд Про» создали систему искусственного интеллекта, которая предсказывает, как потенциальные лекарства взаимодействуют с белками, в десятки раз быстрее, чем знаменитый «нобелевский» алгоритм AlphaFold.
Об этом сообщила пресс-служба вуза. Многие болезни связаны с нарушением работы белков в организме. Чтобы их «починить» или заблокировать, учёные ищут небольшие молекулы, которые способны проникнуть внутрь белка-мишени и повлиять на его работу. Раньше такие поиски требовали долгих лабораторных экспериментов, но сегодня всё чаще используют компьютерное моделирование: программы «примеряют» молекулу к белку, оценивая, насколько та подходит по форме и химическим свойствам, сообщает ТАСС.
Переломный момент наступил в 2020 году, когда компания DeepMind представила нейросеть AlphaFold. Она научилась точно предсказывать структуру белков и их взаимодействие с молекулами. За эту работу разработчики получили Нобелевскую премию по химии в 2024 году. Однако российские учёные пошли дальше: они создали систему, которая делает такие расчёты гораздо быстрее.
Секрет — в разбиении процесса на три этапа. Сначала алгоритм примерно определяет положение молекулы внутри белка, затем уточняет её ориентацию и отсеивает заведомо невозможные варианты. В результате проверка показала: российская система просчитывает взаимодействие одной молекулы с белком всего за 13 секунд. AlphaFold на ту же задачу тратит около 6,5 минуты — то есть в 30 раз дольше.
«За три года мы прошли путь от идеи и формирования команды до результата мирового уровня, — цитирует пресс-служба аспиранта "Сколтеха" Дарью Фролову. — Мы продолжаем развивать нашу систему, а также создаём инструменты для решения смежных задач — генерации молекул, предсказания и оптимизации их свойств. Наш следующий шаг — экспериментальная проверка технологий с последующим внедрением в индустрию».
По словам разработчиков, их подход позволит значительно ускорить виртуальный поиск лекарственных молекул и проводить его на вычислительных мощностях среднего уровня, что раньше было недоступно.
