AlphaFold, искусственный интеллект и аллостерия

AlphaFold стремительно вошёл в нашу жизнь, продемонстрировав мощь биологических данных о последовательностях и искусственного интеллекта (ИИ). Он дал толчок новым проектам и направлениям исследований. Создаваемая база данных обещает открыть множество потенциальных применений с масштабными последствиями, которые пока трудно оценить. Подходы на основе ИИ могут совершить переворот в персонализированном лечении и помочь лучше обосновывать клинические исследования. Они обещают значительно изменить стратегии поиска лекарственных препаратов, а также отбор и приоритизацию комбинаций лекарственных мишеней. В этой статье кратко рассматривается применение ИИ в структурной биологии, в том числе в моделировании молекулярной динамики и прогнозировании белок-белковых взаимодействий между микробиотой и организмом человека. Освещены достижения AlphaFold, основанного на глубоком обучении, в предсказании структуры белков и их значительное влияние на науки о жизни. Вместе с тем AlphaFold не решает многолетнюю задачу сворачивания белка и не позволяет установить пути сворачивания. Предсказываемые им модели не отражают такие конформационные механизмы, как фрустрация и аллостерия, которые зависят от ансамблей конформаций и определяются их динамическими распределениями. Аллостерия и передача сигнала — свойства популяций молекул. AlphaFold также не генерирует ансамбли внутренне неупорядоченных белков и участков белка, а лишь характеризует их низкой вероятностью образования структуры. Поскольку AlphaFold предсказывает отдельные структуры, ранжированные по качеству, а не конформационные ансамбли, он не может объяснить механизмы действия активирующих аллостерических драйверных мутаций в горячих точках или аллостерической лекарственной устойчивости. Однако методы глубокого обучения способны использовать предсказанную отдельную конформацию как основу для построения разнообразного ансамбля, отражающего ключевые особенности белка.