Искусственный интеллект помог учёным создать с нуля ферменты, способные разрезать белки, связанные с тяжёлыми заболеваниями, включая боковой амиотрофический склероз и болезнь Альцгеймера. Параллельно исследователи представили нейросеть, которая проектирует новые белки по обычному текстовому описанию.
Команда нобелевского лауреата Дэвида Бейкера из Вашингтонского университета опубликовала 14 октября в Nature две работы о создании искусственных цистеиновых протеаз и металлопротеаз. Протеазами называют ферменты, которые разрезают другие белки в определённых местах. Исследователи впервые смогли спроектировать подобные молекулярные инструменты с нуля и добиться их работы на заранее выбранных мишенях.
Особый интерес представляют результаты с белком TDP-43, нарушения работы которого связаны с боковым амиотрофическим склерозом (БАС) и некоторыми формами деменции. Один из искусственных ферментов смог разрезать полноразмерную молекулу TDP-43. Другие конструкции воздействовали на участки бета-амилоида, связанного с болезнью Альцгеймера, и сывороточного амилоида A, участвующего в развитии некоторых форм амилоидоза.
Учёные не ограничились компьютерным моделированием. Полученные ферменты действительно разрезали заданные белковые последовательности в лабораторных экспериментах, а цистеиновые протеазы продемонстрировали активность внутри живых клеток млекопитающих, выращенных в культуре. Исследователи также изучили пространственную структуру нескольких созданных молекул и подтвердили близкое соответствие компьютерным проектам. До испытаний подобных ферментов на людях дело пока не дошло.
Главная трудность заключалась не просто в создании новой белковой структуры, а в способности заставить молекулу выполнять сложную химическую работу. Связи между аминокислотами, из которых состоят белки, чрезвычайно устойчивы. Чтобы разорвать нужную связь, фермент должен распознать определённый участок молекулы и расположить свой активный центр практически с атомной точностью. Природные протеазы приобрели подобные свойства в ходе эволюции, а исследователи попытались воспроизвести результат вычислительными методами.
Для проектирования использовали нейросетевые инструменты семейства RFdiffusion, которые рассчитывают трёхмерную форму будущего белка, и модели, подбирающие подходящую последовательность аминокислот. Дополнительную проверку проводили с помощью AlphaFold, способной предсказывать пространственную структуру белковых молекул. В цистеиновых протеазах активный центр использует аминокислоту цистеин, а в металлопротеазах химическую реакцию обеспечивает система с участием иона цинка.
Эксперименты показали, что далеко не каждый компьютерный проект оказывается работоспособным. Среди 69 вариантов цистеиновых протеаз успешно разрезали заданные последовательности 13, что соответствует 19%. Самые эффективные конструкции ускоряли реакцию в 30 миллионов раз по сравнению с самопроизвольным распадом связи. При этом созданные белки обладали пространственными структурами, существенно отличающимися от известных природных протеаз.
С металлопротеазами результат оказался ещё выше. Из 135 проверенных вариантов около 36% проявили нужную активность. Лучший первоначальный фермент ускорял разрыв пептидной связи более чем в 100 миллионов раз, а после замены четырёх аминокислот ускорение превысило 10 миллиардов раз. Исследователи также научились применять спроектированные ферменты для избирательной активации других белков, включая сигнальные молекулы, управляющие поведением клеток.
Для медицины подобные молекулярные инструменты открывают необычную возможность. Большинство лекарств связываются с определённой мишенью и мешают её работе либо меняют активность. Протеаза действует иначе. Фермент разрезает выбранный белок, освобождается и может повторить операцию с другой молекулой. Теоретически подобный механизм позволит воздействовать на большое количество болезнетворных белков сравнительно небольшим количеством препарата. Однако исследователям ещё предстоит доказать, что искусственные ферменты способны безопасно и избирательно работать в организме.
Почти одновременно другая группа исследователей с участием Дэвида Бейкера представила Prompteina, нейросеть для проектирования белков по текстовым инструкциям. Препринт исследования появился 9 октября. Разработка предлагает необычный подход к молекулярной инженерии. Вместо сложного набора специальных параметров учёный может описать обычными словами желаемую форму белка, особенности его структуры и взаимодействия с другими молекулами. Система преобразует описание в трёхмерную модель с расположением атомов и последовательностью аминокислот.
Принцип напоминает генераторы изображений, которые создают картинку по текстовому запросу. Однако Prompteina работает не с пикселями, а с атомами и химическими связями. Пользователь может задать общую архитектуру белка, наличие определённых структурных элементов, дисульфидных связей или особенности поверхности, которой будущая молекула должна контактировать с выбранной мишенью. Нейросеть учитывает требования одновременно, позволяя описывать довольно сложные конструкции без отдельного программирования каждого свойства.
Для обучения разработчики собрали около 1,8 миллиона белковых структур и подготовили к ним 52,4 миллиона текстовых описаний. В формировании описаний участвовала большая языковая модель, а основой генератора стала ранее разработанная система Proteina-Complexa. В сравнительных испытаниях Prompteina превзошла другие подходы по 15 из 18 проверенных структурных характеристик. При проектировании связывающих белков преимущество проявилось как минимум на 13 из 20 тестовых мишеней, а показатель вычислительной уверенности в правильности контакта вырос на 14% относительно сильнейшего конкурента.
Но самым интересным результатом стала лабораторная проверка. Исследователи поручили системе создать белки, способные связываться с GM2A, молекулой, участвующей в обмене определённых жиров и связанной с редким наследственным заболеванием из группы GM2-ганглиозидозов. Ранее для GM2A не сообщалось об успешно созданных с нуля связывающих белках. Нейросеть подготовила множество вариантов, после чего учёные отобрали наиболее перспективные конструкции для изготовления и экспериментов.
Из 1000 компьютерных проектов для лабораторной проверки выбрали 90, причём 89 удалось получить и исследовать. Девять новых белков действительно связались с GM2A. Самый сильный вариант показал кажущуюся константу диссоциации около 107 наномолей, что указывает на достаточно прочное взаимодействие двух молекул в условиях эксперимента. Таким образом, текстовые инструкции помогли получить не только красивые компьютерные структуры, но и белки с экспериментально подтверждённой способностью распознавать заданную мишень.
Разработчики также проверили возможность поручить составление инструкций другому ИИ. Языковой агент анализировал сведения о целевом белке, предлагал характеристики связывающей молекулы, оценивал результаты компьютерных испытаний и менял требования для следующего поколения конструкций. На наиболее сложных мишенях такой итерационный подход обеспечил Prompteina преимущество по приросту качества в 57% относительно лучшей альтернативной модели при сопоставимом количестве попыток.
Пока оба направления находятся на исследовательской стадии. Работы о протеазах прошли рецензирование и опубликованы в Nature, тогда как результаты Prompteina представлены в препринте. Созданные белки ещё не стали лекарствами, а способность связываться с болезнетворной молекулой сама по себе не доказывает лечебного эффекта. Для практического применения потребуется проверить безопасность, устойчивость и поведение таких конструкций в сложных биологических системах.
Достижения лаборатории Бейкера показывают, насколько далеко продвинулось вычислительное проектирование белков. Раньше нейросети прежде всего помогали предсказывать форму существующих молекул, затем научились создавать новые структуры и подбирать белки для связывания с заданными мишенями. Теперь исследователи демонстрируют искусственные ферменты, способные менять другие молекулы, и одновременно упрощают управление белковым дизайном до текстового описания. Следующая задача заключается в том, чтобы превратить лабораторные возможности в надёжные медицинские и биотехнологические инструменты.
