Искусственный интеллект всё чаще используют для создания белков - молекул, которые ускоряют реакции, светятся или разлагают пластик. Но чтобы получить нужный белок, человеку обычно приходится разбираться в молекулярных структурах и геометрических ограничениях. Похоже, это скоро станет необязательным.

Группа исследователей под руководством учёных из Университета Вестлейк (Китай) создала крупномасштабную модель ИИ под названием Pinal. Она умеет генерировать белки-кандидаты, опираясь только на текстовое описание задачи. Работа опубликована в журнале Nature.

Пользователю достаточно написать, что должен делать белок, например: "создай флуоресцентный белок, который светится зелёным под освещением". Модель состоит из двух модулей. Первый, T2struct, превращает текст в одномерный структурный "чертёж". Второй, SaProt-T, читает этот чертёж и с учётом исходного запроса выдаёт подходящую аминокислотную последовательность. Авторы отмечают, что Pinal переводит функциональные описания в последовательности-кандидаты, снижая зависимость от ручного задания шаблонов и геометрических ограничений.

Модель не ограничивается первым пришедшим в голову вариантом: она создаёт несколько структурных чертежей, подбирает лучшую последовательность для каждого и оценивает пары, чтобы выбрать финальный дизайн.

Для обучения Pinal понадобились огромные данные. Учёные взяли 135 миллионов белковых последовательностей и с помощью ИИ и существующих аннотаций составили их описания на простом языке. Получилась библиотека из 1,7 миллиарда пар "белок - текст". Предсказанные трёхмерные структуры этих последовательностей взяли из базы AlphaFold.

Затем исследователи попросили Pinal создать четыре белка: флуоресцентный, фермент, разлагающий пластик, алкогольдегидрогеназу и метаболический H-белок. Результаты оказались смешанными. Для светящегося белка модель предложила множество последовательностей, из которых отобрали 29 для проверки. Флуоресцировал только один. Авторы признают, что управлять конкретными свойствами пока сложно: например, задать точную длину волны свечения остаётся трудной задачей.

С метаболическим H-белком дела пошли лучше: из 20 кандидатов сработали пять, а лучший увеличил выход ключевого процесса связывания углерода в 1,7 раза по сравнению с природным белком кишечной палочки.

Несмотря на перспективность, у Pinal есть ограничения. Прежде чем модель станет обычным лабораторным инструментом, нужны дальнейшие доработки.

Источник: Phys.org