Векторные представления языковых моделей белков для быстрого и точного предсказания структуры белка без выравнивания последовательностей

Для точного предсказания структуры белка необходима эволюционная информация, получаемая из множественных выравниваний последовательностей и данных об эволюционных сопряжениях, которые доступны не всегда. Методы на основе искусственного интеллекта, использующие только отдельные последовательности, работают быстрее, но предсказывают структуру настолько неточно, что выигрыш в скорости теряет смысл. В этой работе представлен конкурентоспособный метод предсказания расстояний между остатками (двумерной структуры), который использует только векторные представления отдельных последовательностей, полученные с помощью предварительно обученных языковых моделей белков, а именно ProtT5, и подаёт их на вход относительно неглубокой свёрточной нейронной сети. Основным новшеством стало использование голов внимания ProtT5. Новый метод EMBER2 не требует множественных выравниваний последовательностей и показал результаты, сопоставимые с результатами других методов, полностью основанных на коэволюции. Хотя EMBER2 заметно уступает AlphaFold2, этот более компактный метод по точности приблизился к нему при существенно меньших затратах. Поскольку EMBER2 формирует прогнозы для отдельных белков, а не усредняет их по семейству, он может лучше отражать некоторые особенности структуры конкретного белка. Результаты экспериментов по белковой инженерии и глубокому мутационному сканированию дают как минимум принципиальное подтверждение этому предположению.