Представьте, что вам дали длинную цепочку деталей и предложили угадать, в какую объёмную конструкцию она сложится. Похожая задача возникает при изучении белков: последовательность аминокислот известна, а пространственную форму ещё нужно выяснить. От неё во многом зависит, как белок работает.
От цепочки к конструкции
Система AlphaFold стала одним из самых заметных примеров применения ИИ в науке. Она помогает предсказывать трёхмерную структуру белков. Значение этого направления отметили Нобелевской премией по химии 2024 года: половину получили Демис Хассабис и Джон Джампер за предсказание структуры белков, другую половину — Дэвид Бейкер за вычислительный дизайн белков. Это связанные, но разные задачи: восстановить предполагаемую форму существующей молекулы и спроектировать новую.
Подробнее об этих работах — в объяснении Нобелевского комитета.
Молекулы работают вместе
Представленная в мае 2024 года AlphaFold 3 расширила круг задач. Она строит модели комплексов, в которых могут участвовать белки, ДНК, РНК и небольшие молекулы — лиганды. Исследователю важно понимать не только форму отдельного участника, но и то, как несколько участников могут соединиться.
В основе построения структуры используется диффузионная сеть: исходное облако атомов постепенно превращается в предсказанную конфигурацию. Родственный принцип применяется в генераторах изображений, хотя научная задача здесь совсем другая. О подходе рассказывают разработчики AlphaFold 3.
Почему лаборатория всё ещё нужна
Предсказание даёт учёному гипотезу для проверки. Его нельзя автоматически считать доказательством того, что молекулы именно так ведут себя в живой клетке. Полезно различать три шага: модель предложила структуру, эксперимент подтвердил взаимодействие, дальнейшее исследование установило его значение.
Вопрос на подумать: если две программы нарисовали похожую структуру, достаточно ли этого для уверенности? Нет: совпадение прогнозов помогает, но независимая экспериментальная проверка даёт другой вид свидетельства.