Что искусственный интеллект AlphaFold «знает» о физике белка?

Наука и жизньНаука

Искусственный интеллект для физики белка

Член-корреспондент РАН Алексей Финкельштейн (Институт белка РАН, биологический факультет МГУ ), кандидат физико-математических наук Наталья Богатырёва (Институт белка РА Н), кандидат физико-математических наук Дмитрий Иванков (Центр молекулярной и клеточной биологии Сколковского института науки и технологий)

Предсказанная AlphaFold 2 укладка главной цепи одного из белков, выбранных для соревнования CASP14 в 2020 году. Укладка белка была известна из эксперимента; результат AlphaFold 2 (синий цвет) очень точно (среднее различие координат атомов — чуть меньше ангстрема) совпал с экспериментальными данными (зелёный цвет). Источник: Jumper J., Evans R., Pritzel A. et al. Nature 596, 583—589 (2021)/CC BY 4.0

Не так давно мировая наука получила в своё распоряжение новую разновидность искусственного интеллекта — программу AlphaFold. Порой можно услышать, что эта программа заменяет собой целую область молекулярной биологии — ту, где занимаются пространственными структурами белков. AlphaFold действительно использует весьма и весьма успешный алгоритм в предсказании трёхмерных «портретов» белковых молекул. Однако прежде чем говорить о революционном успехе, нужно уточнить, что именно предсказывает искусственный интеллект этой программы, как он это делает и что он «знает».

В чем сила программы AlphaFold

Белки — это и молекулярные машины, и строительные блоки, и оружие живой клетки. Белки образованы полипептидными цепями, обычно весьма длинными, включающими сотни аминокислотных остатков. Клетка синтезирует белки из двадцати основных аминокислот, последовательность которых в полипептидных цепях кодируется генами. Но ни один белок не существует в виде прямой «палки» из сшитых друг с другом аминокислот. Аминокислотные остатки полипептидной цепи неизбежно взаимодействуют между собой. Физико-химические взаимодействия определяют геометрию связей между атомами, их сближение и отталкивание, их отношения с окружающей средой — водой, ионами, другими молекулами. Полипептидная цепь многократно изгибается, накладывается сама на себя — будучи изначально неупорядоченной, она приобретает определённую, трёхмерную структуру. Происходит то, что называется самоорганизацией, или сворачиванием белка. Именно в свёрнутом виде белок, можно сказать, становится самим собой. Биологические функции белков тесно связаны с тем, как выглядят их трёхмерные (3D) структуры.

Многие тысячи таких пространственных структур уже определены экспериментально — с помощью рентгеноструктурного анализа, ядерного магнитного резонанса и криоэлектронной микроскопии. Эти трёхмерные «портреты» белков хранятся — в виде огромных наборов 3D-координат всех атомов белка — в компьютерном банке белковых данных PDB (Protein Data Bank) и других подобных банках. Однако рентгеноструктурный анализ, ядерный магнитный резонанс и криоэлектронная микроскопия весьма трудоёмки. Поэтому миллиарды белков из самых разных организмов, от вирусов и бактерий до позвоночных, до сих пор остаются с неизвестными пространственными структурами. А их полезно знать — в частности (но не только), для создания новых лекарств.

В то же время для сотен миллионов белков уже известны аминокислотные последовательности их полипептидных цепей, определять которые много легче. Но их пространственная структура остаётся тайной.

Поэтому большой интерес вызывают методы предсказания белковых 3D-структур по аминокислотным последовательностям. Как уже было сказано, сворачивание белка происходит благодаря взаимодействию аминокислотных остатков друг с другом, а также и с кофакторами (гемами или другими макромолекулами), и с окружающей средой. Необходимо подчеркнуть, что пространственная структура — результат самоорганизации, то есть структуры белковых цепей определяются самими аминокислотными последовательностями этих цепей (по крайней мере, если речь о глобулярных белках). Напрашивается вывод, что по аминокислотным последовательностям можно предсказать, в какую 3D-форму свернётся полипептидная цепь. Здесь, однако, нужно уточнить, что сворачивание (самоорганизацию) белка можно понимать двояко — как процесс и как результат.

У «средней» белковой цепи есть огромное количество вариантов пространственной структуры, порядка 10100. Перебор всех 10100 альтернатив потребовал бы миллиардов миллиардов лет. Между тем белок сворачивается в одну и ту же уникальную, свойственную ему трёхмерную структуру всего за несколько секунд или минут1. Решая проблему сворачивания в смысле процесса (то, что порой называют «проблемой сворачивания белка первого рода»), мы отвечаем на вопрос, как может белковая цепь чрезвычайно быстро выбрать свою структуру из гигантского набора возможных вариантов.

1 Почти мгновенный выбор единственной нужной структуры из колоссального количества возможных называется парадоксом Левинталя, по имени молекулярного биолога Сайруса Левинталя, который сформулировал его в 1968 году. На решение этого парадокса потребовалось почти 30 лет.

Если же мы решаем проблему сворачивания в смысле результата (так называемая проблема сворачивания белка второго рода), то отвечаем на вопрос, какую именно структуру приобретёт белковая цепь с конкретной аминокислотной последовательностью.

Долгое время обе проблемы рассматривались как одна: предполагалось, что как только будет ясно «как может», сразу же станет ясно и «какую именно». Однако впоследствии выяснилось, что это две разные проблемы и решаются они по-разному. Поэтому мы можем позволить себе сейчас забыть о «как может» (тем более, что проблема «как может» решена2, и решена она была в нашем Институте белка РАН) и сосредоточиться на втором вопросе — какую пространственную структуру имеет белковая цепь с определённой аминокислотной последовательностью.

2Финкельштейн А. В., Бадретдинов А. Я. Физические причины быстрой самоорганизации стабильной пространственной структуры белков: Решение парадокса Левинталя. Мол. биол., 31, 469—477 (1997).

Интерес к пространственным структурам белков привёл к начавшимся в 1970-х годах своеобразным «соревнованиям» методов предсказания. С 1994 года такие «соревнования» проводились каждые два года в формате конференций по критической оценке структурных предсказаний, CASP (Critical Assessment of protein Structure Prediction). В этих конференциях участвовали сотни представителей десятков и сотен научных групп из множества стран. Методы предсказаний, использованные в CASP, первоначально базировались в основном на физике белковых цепей и на статистическом анализе уже известных белковых структур и контактов аминокислотных остатков в них.

Качество работы методов предсказания пространственных структур белков повышалось, но медленно, пока в 2018 году не появилась сделанная в Google DeepMind программа AlphaFold, а затем — AlphaFold 23. Эти программы были основаны на «глубоком обучении» многослойных нейронных сетей, и они сразу на голову — а AlphaFold 2 на две головы — превзошли все остальные «предсказывающие» программы.

3 Senior et al., Proteins 87, 1141—1148 (2019); Jumper et al., Nature 596, 583—589 (2021).

Яркий успех программы AlphaFold (а затем — и подобных ей) в определении трёхмерных белковых структур очевиден всем, кто работает в этой области науки, но остаётся ряд вопросов. Во-первых, в чём главная причина такого успеха?

Во-вторых, чем именно занимается программа AlphaFold? Основаны ли её предсказания 3D-структур на физике полипептидных цепей? Или алгоритм распознаёт 3D-структуры по сходству аминокислотных последовательностей разных цепей друг с другом — тех, для которых 3D-структуры неизвестны, с теми, для которых 3D-структуры уже получены? В-третьих, если структуры получаются из сходства аминокислотных цепей, можно ли с помощью AlphaFold извлекать из них какие-то физические закономерности? И нужны ли в принципе эти закономерности для успешных предсказаний?

Аминокислотные последовательности и структурные сходства

Если трёхмерная структура определяется аминокислотной последовательностью, то сам собой напрашивается вывод, что чем более схожи аминокислотные последовательности двух белков, тем более схожи они будут своими 3D-«портретами». Насколько должны быть похожи аминокислотные цепи для того, чтобы между ними возникла структурная схожесть? Возьмём два полипептида и вытянем их в линию рядом друг с другом, чтобы напротив первой аминокислоты одной цепи стояла первая аминокислота другой цепи. И вот, например, мы видим, что в двадцатом положении в обеих цепях стоит одна и та же аминокислота (скажем, аланин). А в двадцать первом положении аминокислоты разные. С двадцать второй по двадцать четвёртую позицию мы снова видим в обеих цепях одинаковые аминокислоты, например пролин-глицин-серин. Далее мы особого сходства не видим, но зато фрагмент с 30-й по 40-ю аминокислоты первой цепи очень похож на фрагмент с 38-й по 48-ю аминокислоты второй цепи... И так далее.

Такое совмещение полипептидных цепей с поиском сходств и различий в аминокислотной последовательности называется выравниванием. При выравнивании можно сдвигать цепи друг относительно друга и можно в одной цепи пренебречь каким-то участком последовательности, чтобы другой участок лучше совпал по аминокислотам со второй цепью. В таких случаях говорят про выравнивание со сдвигами, вставками и делециями, то есть исключениями небольших фрагментов аминокислотной последовательности. Это кажется подгонкой под ответ, однако на самом деле все такие сдвиги, делеции и вставки ясно видны при сравнении цепей родственных белков — например, глобинов разных животных, так что подобные манипуляции имитируют происходящие в живых организмах мутации и нередко позволяют хоть как-то предсказать неизвестную структуру по уже известной.

Если две последовательности по итогам такого выравнивания совпали в более чем 25% позиций, их трёхмерные структуры будут очень похожи — это эмпирическая закономерность. Если последовательности идентичны менее чем в 20% позиций, трёхмерные структуры будут сильно расходиться. Последовательности с совпадениями между 20 и 25% в смысле 3D-сходства лежат в некой «сумеречной зоне». Конечно, трёхмерную схожесть оценивают не на глаз, а с помощью параметра RMSD (Root Mean Square Deviation, среднеквадратичное отклонение), среднеквадратичной разности координат атомов трёхмерных структур. Мы накладываем две 3D-структуры друг на друга так, чтобы атомы как можно большего числа аминокислотных остатков этих двух полипептидных цепей оказались бы в (почти) одном и том же месте, то есть с почти одинаковыми координатами, или хотя бы в более или менее близком соседстве — и тогда координаты будут отличаться. Чем меньше (в среднем) эти отличия, то есть чем меньше RMSD, тем полнее совпадают пространственные структуры. Опыт показывает, что если последовательности идентичны на 30%, RMSD 3D-структур составляет около 1,4 ангстрема, при идентичности 20% — около 2 ангстрем, а при 15—10% идентичности RMSD становится больше 5—10 ангстрем и приближается к радиусу белка.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Наука о чужих. Жизнь и разум во Вселенной Наука о чужих. Жизнь и разум во Вселенной

Поиск жизни на ближайших планетах натолкнулся на великое молчание

Наука и жизнь
Что добавить в воду, чтобы удалить пятна соли и реагентов с обуви Что добавить в воду, чтобы удалить пятна соли и реагентов с обуви

Не откладывай удаление пятен соли с обуви, иначе отметины останутся навсегда!

VOICE
Премия за самый короткий импульс света Премия за самый короткий импульс света

Как электроны связаны с современной наукой?

Наука и жизнь
Сергей Горшков: «Снимать дикую природу за деньги не получится» Сергей Горшков: «Снимать дикую природу за деньги не получится»

«Именно камчатские медведи разожгли во мне искру страсти к съемке дикой природы»

Y Magazine
«Весёлый шмель гудит весеннюю тревогу…» «Весёлый шмель гудит весеннюю тревогу…»

Возрождение шмелиных семей происходит весной

Наука и жизнь
Storymining Storymining

Как истории помогают в оценке и чем они еще полезны в социальном проектировании

Позитивные изменения
Селенография Селенография

Что люди знали о Луне до первого полета к спутнику Земли?

Вокруг света
Хореограф Денис Тагинцев: Танец дарит радость и заряд эйфории Хореограф Денис Тагинцев: Танец дарит радость и заряд эйфории

Интервью с Денисом Тагинцевым: как успешно совмещать задачи продюсера и артиста

СНОБ
Палеонтологи обнаружили древнейшую кожу амниот возрастом почти 300 миллионов лет Палеонтологи обнаружили древнейшую кожу амниот возрастом почти 300 миллионов лет

Палеонтологи описали древнейшие образцы кожи амниот

N+1
Рейтинг всех пяти поколений Jeep Cherokee. От худшего к лучшему Рейтинг всех пяти поколений Jeep Cherokee. От худшего к лучшему

В своё время, на пике популярности, Cherokee покорил сердца миллионов

4x4 Club
Давайте без сюрпризов: как найти скрытые недостатки авто с пробегом Давайте без сюрпризов: как найти скрытые недостатки авто с пробегом

На что обратить внимание при тест-драйве, чтобы распознать скрытые неисправности

Maxim
Социальное тревожное расстройство: что это такое и как его выявить — 4 признака Социальное тревожное расстройство: что это такое и как его выявить — 4 признака

Чем социальное тревожное расстройство отличается от интроверсии?

Psychologies
Опекающая женщина и инфантильный мужчина: как перестроить такие отношения Опекающая женщина и инфантильный мужчина: как перестроить такие отношения

«Она хочет все контролировать», «он такой безалаберный!» — что это за обиды?

Psychologies
Потолстеть за новогодние праздники невозможно! Но почему тогда весы показывают плюс 5 килограмм? Потолстеть за новогодние праздники невозможно! Но почему тогда весы показывают плюс 5 килограмм?

Можно ли сильно потолстеть за короткий промежуток времени?

ТехИнсайдер
Ученые выявили 9 различных культур Европы ледникового периода по стилю ювелирных украшений Ученые выявили 9 различных культур Европы ледникового периода по стилю ювелирных украшений

Культурные разделения не всегда были четкими: их границы иногда сдвигались

ТехИнсайдер
«Гарри Поттер» на повторе и подводка для глаз в виде пера: как зумеры романтизируют учебу «Гарри Поттер» на повторе и подводка для глаз в виде пера: как зумеры романтизируют учебу

Как появился тренд «темная академия», который полюбили за рубежом и в России

Правила жизни
Везение и невезение: что привело к аварии самолета Falcon Везение и невезение: что привело к аварии самолета Falcon

Разбившийся в горах Афганистана cамолет, похоже, не должен был выполнять рейс

Maxim
Что будет если неделю не есть и на сколько можно похудеть Что будет если неделю не есть и на сколько можно похудеть

Насколько безопасно и эффективно недельное голодание?

РБК
Диета при панкреатите: правила, меню, список продуктов Диета при панкреатите: правила, меню, список продуктов

Какой должна быть диета при панкреатите и холецистите?

VOICE
Как хранить специи: 10 отличных идей Как хранить специи: 10 отличных идей

Для того, чтобы организовать хранение специй, не нужно тратить много денег

VOICE
Замещающая терапия: что вывело рынок корпоративных бондов на максимум Замещающая терапия: что вывело рынок корпоративных бондов на максимум

Частные инвесторы значительно увеличили вложения в корпоративные облигации

Forbes
Почему водители и пилоты сидят слева, а машинисты справа Почему водители и пилоты сидят слева, а машинисты справа

Почему в разных видах транспорта руль расположен с разных сторон?

ТехИнсайдер
Миролюбивая сила Миролюбивая сила

Именно Москва начала давить на Каир, принуждая его перейти к переговорам

Дилетант
Как корректно попросить у партнера справку о ЗППП? 5 вопросов и ответов сексолога Как корректно попросить у партнера справку о ЗППП? 5 вопросов и ответов сексолога

Как корректно поговорить на деликатную тему ЗППП?

Psychologies
Кто виноват? Евреи! Кто виноват? Евреи!

Студенческие забастовки стали одним из характерных явлений на сломе XIX–XX веков

Дилетант
Кот переборол свою застенчивость благодаря заботливой собаке Кот переборол свою застенчивость благодаря заботливой собаке

История одной пушистой дружбы

ТехИнсайдер
Городские огороды обвинили в повышенных выбросах углекислого газа Городские огороды обвинили в повышенных выбросах углекислого газа

Огороды в городе стали причиной повышенного выброса углекислого газа

N+1
Назад в будни Назад в будни

Как заставить себя работать после праздников?

Лиза
Каким был уровень грамотности населения в допетровской России Каким был уровень грамотности населения в допетровской России

Глава из книги «Академия при царском дворе» об образовании в допетровской эпохе

СНОБ
Узнайте, как лучше всего чистить смартфон! Простые советы и интересные факты Узнайте, как лучше всего чистить смартфон! Простые советы и интересные факты

Почему стоит чистить телефон?

ТехИнсайдер
Открыть в приложении