Новая модель искусственного интеллекта OpenFold3 значительно расширяет доступ к мощному инструменту для предсказания взаимодействия белков с другими молекулами, открывая путь к ускорению разработки лекарств и лучшему пониманию биологических процессов. Построенная как открытая реконструкция AlphaFold3 от Google DeepMind, эта разработка является важным шагом на пути к демократизации ранее ограниченной технологии.
Распространение OpenFold3: Реакция на ограниченный доступ
AlphaFold3, выпущенная в октябре 2023 года, представляет собой значительный прогресс в области искусственного интеллекта, позволяя делать прогнозы о том, как белки взаимодействуют не только с другими белками, но и с небольшими молекулами, такими как те, что содержатся в лекарствах и нуклеиновых кислотах. Однако DeepMind изначально ограничила доступ к AlphaFold3 отдельным лицам, некоммерческим организациям и журналистам, что препятствовало более широкому научному исследованию. Осознавая необходимость прозрачности и более широкого сотрудничества, консорциум исследователей во главе с Мухаммедом Аль-Курайши из Колумбийского университета кропотливо воссоздал платформу AlphaFold3, в результате чего появился OpenFold3. Эта модель с открытым исходным кодом позволяет компаниям и исследователям использовать технологию в коммерческих целях, включая критически важные усилия по разработке лекарств.
Почему прогнозирование взаимодействия белков имеет значение
Понимание того, как белки взаимодействуют друг с другом и с другими молекулами, является фундаментальным для биологии. Белки — это рабочие лошадки клеток, и их функция во многом зависит от их формы. «Биология — это не белки в изоляции. Это биомолекулы, взаимодействующие друг с другом», — объясняет Вуди Шерман, основатель и директор по инновациям компании Psivant Therapeutics и председатель исполнительного комитета OpenFold. Прогнозирование этих взаимодействий является критическим шагом в разработке лекарств, позволяя исследователям выявлять потенциальные мишени для лекарств и разрабатывать молекулы, которые эффективно связываются и модулируют активность белков.
Уроки, извлеченные из AlphaFold2
Создание OpenFold2 дало ценные представления о внутренней работе моделей искусственного интеллекта типа AlphaFold. Изначально представлялась как алгоритм, который учится складываться белкам на основе последовательности аминокислот, исследования показали, что AlphaFold2 в основном «запоминает» ранее наблюдаемые структуры белков и использует эти воспоминания для прогнозирования структур похожих белков. Применение этих знаний к AlphaFold3 может открыть аналогичные возможности для понимания сочетаний белок-лекарство, что приведет к улучшению точности прогнозирования. Стефани Ванковвич, структурный биохимик, занимающаяся компьютерной структурой в Университете Вандербильта, подчеркивает важность прозрачности кода, заявляя, что «трудно оценить вычислительный продукт без просмотра исходных данных».
Трудности воспроизведения
Хотя другие команды пытались воспроизвести AlphaFold3, достижение высокой точности оказалось сложной задачей. Это в основном связано с тонкими «хитростями и улучшениями», используемыми создателями AlphaFold3, которые не документированы явно в коде или сопроводительных материалах. Шерман подчеркивает важность этих деталей, отмечая, что «никто не указывает на это… но детали имеют значение, особенно когда вы работаете с большими моделями и с большим количеством данных». Команда OpenFold3 признает, что между их моделью и оригинальной AlphaFold3 остаются некоторые различия.
Выход за рамки статических структур: Интеграция биологической реальности
Текущие модели искусственного интеллекта, включая AlphaFold3 и OpenFold3, генерируют статические изображения белков. Однако в живых клетках белки окружены водой и ионами, постоянно вибрируют и двигаются. Команда OpenFold3 стремится включить эти динамические факторы в свою модель, предоставляя более реалистичное представление о том, как белки ведут себя в своей естественной среде.
Совместное обучение для повышения эффективности разработки лекарств
Даже до своего официального выпуска OpenFold3 приобрела популярность в фармацевтической отрасли. Пять компаний объединили усилия через инициативу Federated OpenFold3 для обучения модели искусственного интеллекта, используя запатентованные наборы данных, стремясь создать более мощный и специализированный инструмент прогнозирования, защищая при этом конфиденциальную информацию. Этот совместный подход демонстрирует потенциал OpenFold3 для ускорения усилий по разработке лекарств за счет использования отраслевых знаний. В настоящее время лишь небольшая часть структур белков в общедоступных базах данных связана с молекулами, обладающими свойствами лекарств, — этот пробел инициатива надеется заполнить.
Постепенное влияние на разработку лекарств
Хотя OpenFold3 и обещает многого, эксперты предостерегают от ожидания немедленных, революционных изменений в разработке лекарств. «Это будет следующий этап, и следующий этап, и следующий этап, на которых мы действительно начнем видеть значительное влияние», — заключает Шерман. OpenFold3 служит важной отправной точкой для достижений в этой области, расширяя возможности исследователей и ускоряя разработку новых и эффективных методов лечения.
