AlphaFold - как ИИ решил полувековую проблему биохимии

В августе 2021 года в Nature вышла статья, положившая конец более чем 50-летнему вызову молекулярной биологии - «проблеме сворачивания белков». Разработанная DeepMind система AlphaFold впервые позволила предсказывать трёхмерные структуры белков с атомарной точностью, но главное, AlphaFold не просто стала «научной сенсацией», а является практическим инструментом, который уже интегрирован в повседневную работу исследователей по всему миру.

Где и кем это используется?

1. Ускорение экспериментальных методов в структурной биологии

AlphaFold помогает в молекулярном замещении при рентгеноструктурном анализе, особенно когда фазовая проблема не решается традиционными методами. В статьях Nature Methods и Acta Crystallographica описаны случаи, когда предсказанные структуры позволили решить кристаллические структуры за часы вместо месяцев работы.

2. Интерпретация крио-ЭМ карт

Криоэлектронная микроскопия имеет низкое разрешение (в пределах 3-4 Å), из-за чего экспериментальные данные часто недостаточны для качественного построения модели белка. Предсказания AlphaFold используются как структурный приор, чтобы «вписать» цепь в электронную плотность. Такой трюк применялся, например, при анализе комплексов SARS-CoV-2 в 2021 году.

3. Целевой поиск в drug discovery

Крупные компании вроде Recursion Pharmaceuticals, Isomorphic Labs (наследник DeepMind) и различные академические группы используют AlphaFold для:
• предсказания структур мишеней, для которых на данный момент нет экспериментальных данных
• анализа влияния мутаций на стабильность белка
• виртуального скрининга с учётом реалистичной геометрии связывающего кармана

4. Масштабные структурные проекты

В 2021 году AlphaFold был применён ко всему человеческому протеому (приблизительно 20 000 белков), а затем к протеомам 20 модельных организмов. База AlphaFold Protein Structure Database уже содержит более 200 миллионов структур, и ежедневно получает десятки тысяч запросов от исследователей. Это делает AlphaFold одним из самых востребованных вычислительных инструментов в современной биохимии.

Как это работает и почему это важно для химии?

AlphaFold моделирует белок как пространственный граф, где в качестве узлов выступают аминокислотные остатки, а рёбра кодируют их взаимодействия. Ключевым прорывом является совместное обучение на эволюционных (MSA) и геометрических признаках через новую архитектуру Evoformer и Structure Module. Это позволяет не просто примерно оценивать расстояния в структурах, а прямым образом предсказывать 3D координаты тяжёлых атомов. На оценке CASP14 она показала медианную точность 0,96 Å (r.m.s.d.95), что сопоставимо с разрешением рентгеноструктурного анализа.

AlphaFold - это не просто академический прорыв, а масштабно внедрённый инструмент, который уже стал частью повседневной научной практики. Его полная открытость позволяет исследователям по всему миру интегрировать его в рабочие процессы без каких-либо барьеров. AlphaFold превратил предсказание структуры из узкоспециализированной задачи в стандартный, надёжный и общедоступный этап научного исследования, за что заслуженно был награжден нобелевской премией.