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

Про напиток из цикория Про напиток из цикория

Есть время и место для кофе и есть время и место для цикория

Наука и жизнь
Польза горчичного масла: как его принимать и не навредить организму Польза горчичного масла: как его принимать и не навредить организму

Горчичное масло — популярный и полезный ингредиент азиатской кухни

РБК
Резерфорд и рождение экспериментальной ядерной физики Резерфорд и рождение экспериментальной ядерной физики

Первое искусственное превращение химических элементов

Наука и жизнь
Песнь льда: как богатая наследница Луиза Арнер-Бойд покоряла Арктику Песнь льда: как богатая наследница Луиза Арнер-Бойд покоряла Арктику

Луиза Арнер-Бойд: женщина, которая не боялась ни холода, ни предубеждений

Forbes
Кто в океане правит бал Кто в океане правит бал

На земле всё начинается с растений, а как обстоят дела в морях и океанах?

Наука и жизнь
Как хранить новогодние украшения: 8 советов организаторов пространства Как хранить новогодние украшения: 8 советов организаторов пространства

Как создать удобную систему для хранения новогодних украшений

VOICE
Как болельщики императора свергали Как болельщики императора свергали

Спортивные игры – идеальная среда для социального взрыва

Вокруг света
В гостях у лабынкырского черта В гостях у лабынкырского черта

Есть в Оймяконском улусе одна достопримечательность, весьма суровая...

Зеркало Мира
Команда AUDI всё-таки победила на «Дакаре». Почему это важно? Команда AUDI всё-таки победила на «Дакаре». Почему это важно?

По мнению AUDI, будущее внедорожников – за электричеством

4x4 Club
10 вещей, которые современное общество требует от мужчин 10 вещей, которые современное общество требует от мужчин

Мужчины стали заложниками стереотипов о классической маскулинности

Maxim
Пары жуков сизифов эффективнее одиночек перенесли навозные шарики через препятствия Пары жуков сизифов эффективнее одиночек перенесли навозные шарики через препятствия

Перемещать навозный шарик вдвоем оказалось проще и быстрее

N+1
Амбассадор искусственного интеллекта: как певица Grimes стала техно-визионером Амбассадор искусственного интеллекта: как певица Grimes стала техно-визионером

Как певица и медиахудожница Grimes стала одной из влиятельных фигур в сфере ИИ

Forbes
Грибы начали синтезировать псилоцибин во время вымирания динозавров Грибы начали синтезировать псилоцибин во время вымирания динозавров

Биологи построили филогенетическое дерево рода Psilocybe

N+1
Почему партнер пропадает после пары свиданий: 8 историй мужчин и женщин, которые занимались гостингом Почему партнер пропадает после пары свиданий: 8 историй мужчин и женщин, которые занимались гостингом

Почему мы сталкиваемся с гостингом и как после этого сохранить самооценку?

Psychologies
Кто такие «тарелочницы» и как их распознать на свидании Кто такие «тарелочницы» и как их распознать на свидании

Почему девушки все чаще ходят на свидания лишь для того, чтобы поесть

Maxim
«Феминизм — это кровавый спорт»: как запустить женское медиа и не сойти с ума «Феминизм — это кровавый спорт»: как запустить женское медиа и не сойти с ума

Почему работа в журнале для женщин действительно похожа на борьбу?

Forbes
Так говорит Ким Кардашьян: почему хриплые женские голоса стали популярными Так говорит Ким Кардашьян: почему хриплые женские голоса стали популярными

Почему vocal fry (или штробас) стал трендовым

Psychologies
Вопрос психологу: почему люди коллекционируют? Вопрос психологу: почему люди коллекционируют?

Всегда ли страсть к коллекционированию может считаться нормой?

Правила жизни
Любовь и шизофрения: 2 истории непростых отношений Любовь и шизофрения: 2 истории непростых отношений

Как наладить жизнь в семье, где есть родственник с диагнозом «шизофрения»?

Psychologies
Скотчтерьеры курильщиков столкнулись с повышенным риском рака мочевого пузыря Скотчтерьеры курильщиков столкнулись с повышенным риском рака мочевого пузыря

Какие факторы риска влияют на развитие рака мочевого пузыря у скотчтерьеров

N+1
Карман Генри: кто такой Генри и зачем он пришил кармашки к кошачьим ушам? Карман Генри: кто такой Генри и зачем он пришил кармашки к кошачьим ушам?

Зачем кошкам "второе" ушко?

ТехИнсайдер
Как была устроена жизнь в Каунасском гетто. Воспоминания узника Как была устроена жизнь в Каунасском гетто. Воспоминания узника

Воспоминания о Холокосте: отрывок из книги «Сквозь колючую проволоку»

СНОБ
Шикарная шевелюра за пару месяцев: как быстро отрастить волосы Шикарная шевелюра за пару месяцев: как быстро отрастить волосы

Как ускорить рост волос в домашних условиях?

ТехИнсайдер
Свинец и кальций указали на возраст и историю использования папируса Свинец и кальций указали на возраст и историю использования папируса

Ученые смогли по составу чернил различить папирусы разного возраста

N+1
«Юг Руси» слил масло «Юг Руси» слил масло

Одна из крупнейших сделок последних лет в АПК — продажа бизнеса «Юга Руси»

Агроинвестор
Главные любители «рыбов» и больших мисок с кормом: невероятные факты о котиках, которые помогут узнать их еще лучше Главные любители «рыбов» и больших мисок с кормом: невероятные факты о котиках, которые помогут узнать их еще лучше

Насколько хорошо мы знаем своих усато-полосатых питомцев?

ТехИнсайдер
Переселение устойчивых к грибку особей спасло два вида желтоногих лягушек из Калифорнии Переселение устойчивых к грибку особей спасло два вида желтоногих лягушек из Калифорнии

Реинтродуцированные популяции желтоногих лягушек просуществуют не менее 50 лет

N+1
Как носить чёрный цвет: частые ошибки, которые делают твою одежду Как носить чёрный цвет: частые ошибки, которые делают твою одежду

Ошибки, который преподносит черный цвет в одежде, и способы их исправить

VOICE
Первая жена Владимира Высоцкого: «Таким его знала только я!» Первая жена Владимира Высоцкого: «Таким его знала только я!»

Он со мной! Всегда рядом. Потому что это моя радость, моя беда

Караван историй
Поцелуй на Таймс-сквер: какая история скрывается за культовой фотографией моряка и медсестры Поцелуй на Таймс-сквер: какая история скрывается за культовой фотографией моряка и медсестры

Простой моряк, целующий любимую девушку на Таймс-сквер в Нью-Йорке? А вот и нет!

ТехИнсайдер
Открыть в приложении