И у него это прекрасно получается
За последние два года машинное обучение произвело революцию в предсказании структуры белков. Теперь три статьи в журнале Science описывают подобную “революцию” еще и в проектировании белков.
В новых работах биологи из Медицинской школы Вашингтонского университета показывают, что машинное обучение может быть использовано для создания белковых молекул гораздо точнее и быстрее, чем это было возможно ранее. Ученые надеются, что этот прогресс приведет к созданию множества новых вакцин, методов лечения, инструментов для улавливания углерода и устойчивых биоматериалов.
«Белки являются основополагающими в биологии, но мы знаем, что все белки, найденные в каждом растении, животном и микробе, составляют гораздо меньше одного процента от возможного. С помощью этих новых программных инструментов исследователи смогут найти решения давних проблем в медицине, энергетике и технологиях», — сказал старший автор исследования Дэвид Бейкер, профессор биохимии Медицинской школы Вашингтонского университета.
Недавно мощные алгоритмы машинного обучения, включая AlphaFold и RoseTTAFold, были обучены предсказывать детальные формы природных белков, основываясь исключительно на их аминокислотных последовательностях.
Чтобы выйти за рамки белков, существующих в природе, члены команды Бейкера разбили задачу проектирования белка на три части и использовали новые программные решения для каждой из них.
Среди новых белков были созданы наноразмерные кольца, которые, по мнению исследователей, могут стать деталями для специальных наномашин. Для наблюдения за кольцами, диаметр которых примерно в миллиард раз меньше макового зернышка, использовались электронные микроскопы.
«Это самое начало машинного обучения в проектировании белков. В ближайшие месяцы мы будем работать над совершенствованием этих инструментов для создания еще более динамичных и функциональных белков», — сказал Бейкер.
Источник ferra
