Белки меняют форму, чтобы выполнять свои функции, но ИИ вроде AlphaFold3 предсказывает лишь одно состояние. Исследователи из Института молекулярной науки (IMS) и Высшей школы перспективных исследований SOKENDAI разработали метод AF3-ReD, который добавляет силу отталкивания между предсказанными структурами. Это позволяет модели исследовать несколько конформационных состояний, которые обычно остаются незамеченными. Об этом пишет издание Phys.org.
AlphaFold, созданный в Google DeepMind, произвел революцию в предсказании структуры белков. За эту работу Джон Джампер и Демис Хассабис получили Нобелевскую премию по химии в 2024 году. Однако стандартный AlphaFold часто предсказывает только одну конформацию, что ограничивает его применение в разработке лекарств.
Новый метод AF3-ReD повторяет предсказания и добавляет энергию отталкивания, когда новая структура приближается к уже найденной. Это заставляет модель искать другие состояния. Например, для субъединицы F1β АТФ-синтазы AF3-ReD предсказал и открытую, и закрытую конформации, а также промежуточные, тогда как обычный AlphaFold давал только открытую.
Метод позволяет быстро и точно предсказывать разнообразные конформации белков. Это также открывает путь к моделированию динамики переходов между состояниями и может улучшить дизайн новых белков и лекарств. Результаты опубликованы в журнале JACS Au.