Названный «Distribution Graformer», он может положить начало следующему шагу в революции, которую ИИ приносит в химические и биологические науки.
«Можем ли мы предсказать не только статичные структуры белков, но и их структурное разнообразие?» — спросил я около года назад, когда весь ажиотаж вокруг AlphaFold 2 улегся:
Что ж, по-видимому, команды Microsoft, применяющие ИИ в науке (вместе с известным профессором, см. примечания в самом конце), могут первым ответить «да» на мой вопрос. Они только что представили свой новый «Distribution Graformer», который может предсказывать не только отдельные молекулярные структуры (белков, других молекул или материалов), но также фактически множество альтернативных структур (или «конформаций»), которые молекула или кусок материала могут принять в 3D. То есть альтернативные возможные расположения их атомов в пространстве. Более того, новая модель ИИ также «понимает», что разные структуры будут иметь разную энергию и, следовательно, будут населены в разной степени; таким образом, новую модель можно научить предсказывать лежащую в основе термодинамику, которая определяет, как различные конформации меняются при движении молекулы.
Как реализовано в его первой версии, Distributional Graformer может анализировать молекулы любого типа. На самом деле препринт, в котором представлена модель, описывает примеры приложений к задачам предсказания того, как движутся белки (то, что я назвал «структурным разнообразием» в своем вопросе выше), как белки связывают малые молекулы (от субстратов ферментов до лекарств, метаболитов и т. д.). .), а также то, как молекулы адсорбируются на поверхности катализаторов, и как углеродные структуры могут регулировать свои электропроводящие свойства.
Читайте дальше, чтобы понять все это подробно, узнать больше о модели и понять, какое влияние она может оказать на современную химию и биологию.
