check_circleМодель больше не предсказывает только белки (скучно!), но также <bdi>DNA</bdi>, <bdi>RNA</bdi> и малые молекулы (сами лекарства!).
check_circleЕе способность точно определять встречу лекарства и мишени вдвое лучше, чем у лучших программ, существовавших до сих пор.
check_circleЭто сокращает этап изобретения лекарств с миллионов долларов и лет в лаборатории до нескольких ночей обработки данных.
Что произошло?
Google DeepMind сделала это снова. После решения сложнейшей проблемы сворачивания белков в предыдущих версиях, новая <bdi>AlphaFold 3</bdi> берет всю нашу биологическую вселенную и помещает ее в компьютер. Модель может точно предсказать, как будет выглядеть совершенно новая молекула и как она «наденется» на вирус или раковую клетку — на уровне отдельного атома. Это как получить чит-коды от природы.
Что это значит с научной точки зрения?
Главное новшество здесь в том, что модель глубокого обучения была модернизирована для расчета гетерогенных комплексов. То есть не только белок к белку, но и белок, связывающий потенциальную молекулу лекарства плюс ион магния в водной среде. Она использует подход «диффузионной модели» (как та, что генерирует картинки в Midjourney), которая начинает со случайного шума и постепенно сходится к истинной трехмерной структуре молекул. Точность предсказания лигандов сокрушает все традиционные методы физического моделирования.
Почему это важно?
Разработка лекарства сегодня выглядит так: тысячи химикатов выливают на клетки и надеются на что-то хорошее. Это вслепую, дорого и занимает 10 лет. С <bdi>AlphaFold 3</bdi> исследователи могут конструировать лекарства «на бумаге» (или, точнее, на экране), запускать симуляцию, чтобы убедиться, что они идеально подходят мишени, и только потом идти производить их в лаборатории. Это означает лучшие лекарства, быстрее и дешевле для всех нас.
