Доктор химических наук Андрей Головин. Фото: Юрий Славин / пресс-служба «Сириуса»
Исследования ученых, отмеченные сегодня Нобелевской премией по химии, вывели на новый уровень качество предсказаний структуры белков и позволили генерировать на компьютере новые белки, которых нет в природе. Подробнее об этом корреспонденту «Научной России» рассказал заместитель декана по научной работе факультета биоинженерии и биоинформатики МГУ им. М.В. Ломоносова профессор Андрей Викторович Головин.
«В этом году Нобелевская премия имеет две составляющие. Первая связана с машинным обучением для предсказания структуры белков. Это исследование Джона Джампера и Демиса Хассабиса из компании Google DeepMind и их знаменитая нейросетевая модель AlphaFold, позволяющая делать предсказания с беспрецедентно высоким качеством: на уровне около 90%, тогда как ранее этот показатель не превышал 50%.
Присуждение награды было ожидаемым событием, ведь AlphaFold постоянно совершенствовалась и стала самым точным и удобным инструментом для предсказания пространственной структуры белков на основе их аминокислотных последовательностей. Программа успешно предсказывает трехмерную структуру белка: положение каждого атома в пространстве. Этим сервисом сегодня пользуются ученые по всему миру, в том числе и я с коллегами из МГУ. В основном мы задействуем AlphaFold для массовых вычислений, касающихся десятков тысяч белковых комплексов.
Программа дает ответы на вопросы, как будет выглядеть тот или иной белок и какими функциями он сможет обладать.
Вторая часть Нобелевской премии не менее интересна. Дэвид Бэйкер получил награду за развитие методов в области дизайна белков, то есть за создание новых белков, которых не существует в природе. Чтобы понять сложность этой задачи, представьте, что в вашем распоряжении есть 20 разных аминокислот, но средний размер белка — порядка 300 аминокислот в цепочке. Значит, для того, чтобы создать белок с желаемой структурой, нужно перебрать 20300 комбинаций. Просто гигантское число! Вручную, как вы понимаете, это сделать невозможно. Последние достижения в области машинного обучения привели к тому, что подход, ранее разработанный Дэвидом Бэйкером, был реализован на компьютере. Теперь мы можем перебирать невообразимо большое количество комбинаций, и это принципиальное отличие от всех предыдущих аналогов, где количество возможных комбинаций не превышало 2 млн.
Раньше мы имели дело лишь с модификацией уже известных белков или с очень небольшими белками, но теперь у ученых появилась возможность создавать принципиально новые структуры.
Это можно сравнить с генерацией картинок в интернете, только здесь вместо изображений генерируются новые белки со своей особенной структурой. Лишь после того как белок сгенерирован на компьютере, его можно получить непосредственно в лаборатории. Без этого предварительного этапа, создания вычислительного дизайна, получение ранее неизвестных белков с заданными свойствами было бы просто невозможным.
На текущий момент уровень успешных белковых дизайнов составляет около 1%, но до работы Дэвида Бэйкера этот показатель был и того меньше! Так что исследование ученого смело можно назвать гигантским прорывом в этой молодой и очень популярной области исследований».
