Прорыв в биотехнологиях: Google решила проблему сворачивания белка

Трехмерная модель гемоглобина — одного из первых белков, чью структуру удалось определить ученым

Много лет среди ученых-биологов считалось, что решение именно этой задачи откроет для человечества невиданные перспективы в биотехнологиях и даст поток новых лекарств, разрабатывать которые станет возможно прямо на компьютере, не прикасаясь к пипеткам. И вот теперь фундаментальная «проблема белка» решена. Ученые бились над ней полвека, а помогли им в итоге программисты Google — и это может быть очень важно для медицины.

DeepMind Google приспособила свою Alpha–нейросеть для решения проблемы фолдинга белка. Они уже давно заявляли, что их нейросеть подходит для этой задачи, и вот наконец есть результат.

Жизнь, если по Энгельсу, — это форма существования белковых тел. Поэтому понимать, как работают белки — это очень важно. Ученые научились хорошо и быстро читать геномы, в которых закодирована информация о белках. Устанавливать аминокислотные последовательности белков просто, но понять, какую форму они принимают в клетке и как работают, мы до сих пор не можем — это и есть «проблема белка». Ученые точно знают, что, прочитав геном и узнав последовательность белка, можно — теоретически — предсказать его структуру, но сделать это до сих пор не получается. Сейчас ученым приходится не предсказывать, а напрямую определять структуру, тратя на это многие годы. Это сложно, но важно, потому что только так можно понять, как именно лекарство действует на свою мишень, которая почти всегда белок. Теперь все поменялось: в недрах Google появилась программа, которая может по аминокислотной последовательности белка построить его трехмерную структуру, это работает очень точно и почти для любой аминокислотной последовательности.

В практическом плане это означает, что будь такой алгоритм доступен раньше, подбор лекарства против нового коронавируса мог бы начаться в ту же минуту, как был прочитан его геном. Этот, самый первый этап разработки лекарств, теперь может быть очень сильно ускорен. Но повлияет ли это на стоимость и скорость разработки лекарств в целом, пока не ясно.