ИИ в дизайне белков: генеративные модели и лабораторная проверка
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала объясняет, как ИИ применяют для проектирования белков: RFdiffusion формирует каркас с заданными свойствами, ProteinMPNN подбирает аминокислотную последовательность, а AlphaFold оценивает, соответствует ли предсказанная структура замыслу. Автор сопоставляет этот конвейер с Rosetta и направленной эволюцией: вычислительные методы помогают искать новые конструкции, но результат требует лабораторной проверки. В статье указано, что большинство разработанных с помощью Rosetta белков не сворачиваются, плохо растворяются или оказываются нестабильными; доля конструкций, прошедших проверку в пробирке, обычно менее 0,1%. В качестве примера применения de novo-белка автор приводит вакцину SKYCovione, одобренную в Южной Корее и включённую в список ВОЗ в 2022 году. ProteinMPNN восстанавливает около 52% аминокислотных позиций против примерно 33% у Rosetta.
Главное
- RFdiffusion генерирует белковый каркас с заданными условиями, а ProteinMPNN подбирает для него аминокислотную последовательность.
- ProteinMPNN восстанавливает около 52% аминокислотных позиций против примерно 33% у Rosetta.
- Доля белковых конструкций Rosetta, прошедших проверку в пробирке, обычно менее 0,1%.
- Вакцину SKYCovione одобрили в Южной Корее и включили в список ВОЗ в 2022 году.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация