arXiv · 17.07.2026 ·Исследования и наука

AlphaFold2 как инструмент для анализа конформационных ландшафтов белков

Исследователи предложили новый метод анализа AlphaFold2, рассматривая его 93 миллиона параметров не просто как инструмент для предсказания структуры белков, а как научный объект. Анализ внутренней архитектуры модели позволяет извлекать данные о конформационной организации белков, которые ранее оставались скрытыми, открывая новые возможности для изучения динамики молекулярных структур через «нейронную спектроскопию».

Традиционно AlphaFold2 используется для преобразования аминокислотной последовательности в статичную трехмерную структуру. Однако авторы работы доказывают, что модель, обученная на эволюционных данных из Protein Data Bank и множественных выравниваниях последовательностей, содержит глубокие знания о гибкости и вариативности белков. Эти знания закодированы в весах нейронной сети и могут быть извлечены без проведения дополнительных дорогостоящих экспериментов.

Метод «нейронной спектроскопии» позволяет исследователям зондировать внутренние представления модели, чтобы понять, как белки переходят между различными состояниями. Это меняет подход к биоинформатике: вместо того чтобы полагаться исключительно на предсказания конкретных форм, ученые могут использовать обученную модель как базу знаний о физико-химических принципах, управляющих поведением белков в живых системах.

Ключевые факты

AlphaFold2 содержит 93 миллиона параметров, которые хранят информацию об эволюционном развитии белковых структур.
Метод нейронной спектроскопии позволяет интерпретировать внутренние веса модели как карту конформационных ландшафтов.
Исследование опирается на данные Protein Data Bank и методы анализа множественных выравниваний последовательностей.
Подход позволяет изучать динамические состояния белков, выходя за рамки их стандартного предсказания в виде фиксированной структуры.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука Использование фундаментальных геномных моделей для биозащиты Исследователи изучили возможности фундаментальной геномной модели Evo 2 в задачах биозащиты. Используя линейные и механизмы внимания (attention probes) поверх замороженных активаций 26-го слоя модели, авторы оценили способность нейросети выявлять патогенные сигналы в метагеномных данных. Результаты показывают, что модель эффективно извлекает значимые для биобезопасности признаки без необходимости дообучения всей архитектуры. arXiv · Исследования и наука Новый метод машинного обучения для моделирования белков и лекарств Исследователи представили новый подход к созданию потенциалов межмолекулярного взаимодействия на основе машинного обучения, который позволяет моделировать сложные биомолекулярные системы с точностью методов ab initio. Разработка решает проблему низкой скорости вычислений, характерную для существующих моделей, открывая возможности для проведения симуляций микросекундного масштаба, критически важных для фармацевтических исследований и дизайна новых лекарственных препаратов. Hacker News · Исследования и наука ИИ-алгоритмы ускоряют проектирование ДНК-оригами Исследователи применили методы машинного обучения для автоматизации проектирования сложных 3D-структур из ДНК. Новый подход позволяет предсказывать форму молекулярных конструкций с высокой точностью, сокращая время разработки с недель до нескольких минут. Технология открывает возможности для создания адресных систем доставки лекарств и наноразмерных сенсоров, значительно упрощая процесс программирования биологических материалов. NVIDIA Technical Blog · ИИ в бизнесе Ускорение разработки лекарств с помощью NVIDIA BioNeMo Agent Toolkit NVIDIA представила инструментарий BioNeMo Agent Toolkit, предназначенный для оптимизации процессов предсказания структуры белков и их взаимодействия. Решение позволяет интегрировать сложные модели, такие как OpenFold3, в агентные рабочие процессы для ускорения поиска новых лекарственных препаратов. Использование специализированных агентов сокращает время выполнения ресурсоемких вычислений при моделировании молекулярных комплексов, автоматизируя этапы подготовки данных и анализа результатов. Hacker News · Машинное обучение ProteinTensor: новый формат данных для ML в биологии Разработчики представили ProteinTensor — специализированный формат данных, оптимизированный для хранения и обработки структур белков в задачах машинного обучения. Решение призвано заменить стандартные подходы, обеспечивая высокую скорость чтения и эффективное сжатие данных, аналогично тому, как формат Parquet используется для аналитических таблиц в больших данных, что критически важно для обучения сложных биологических моделей. MarkTechPost · Инфраструктура для агентов NVIDIA представила BioNeMo Agent Toolkit для интеграции биомолекулярных моделей в ИИ-агенты NVIDIA выпустила BioNeMo Agent Toolkit — инструментарий с открытым исходным кодом, превращающий специализированные биомолекулярные модели в стандартизированные навыки для ИИ-агентов. Решение позволяет агентам автоматически выбирать, запускать и интерпретировать результаты работы сложных научных моделей, таких как OpenFold3 или DiffDock, что радикально повышает эффективность автоматизированных исследований в области разработки лекарственных препаратов и молекулярной биологии. Hacker News · Оценка и бенчмарки OpenAI представила GeneBench-Pro для оценки моделей в биологических исследованиях OpenAI выпустила GeneBench-Pro — специализированный набор инструментов для оценки производительности ИИ-моделей в задачах молекулярной биологии и генетики. Платформа позволяет стандартизировать тестирование нейросетей, анализирующих геномные данные, предсказывающих структуру белков и моделирующих взаимодействие лекарственных препаратов, что критически важно для развития высокоточных медицинских технологий и ускорения разработки новых терапевтических решений на базе машинного обучения. Hacker News · Инфраструктура для агентов Deltatensors: новый способ хранения дообученных весов моделей через сжатые дельты Библиотека Deltatensors предлагает оптимизированный подход к хранению и распространению дообученных весов нейросетей. Вместо сохранения полных копий модели, инструмент вычисляет и сжимает разницу (дельты) между базовыми весами и весами после fine-tuning. Это позволяет значительно сократить объем дискового пространства, необходимого для версионирования и обмена специализированными моделями в агентных системах и пайплайнах разработки. Hacker News · Исследования и наука ModelDNA: метод верификации происхождения открытых LLM через отпечатки весов Исследователи представили ModelDNA — новый метод идентификации происхождения моделей с открытыми весами, основанный на анализе их «генетического кода». Технология позволяет с высокой точностью определять, была ли конкретная модель дообучена на базе другой архитектуры, даже если были применены значительные изменения весов, что критически важно для контроля авторства и безопасности в экосистеме open-source ИИ. Hacker News · Исследования и наука ИИ помог обнаружить антимикробные пептиды в структуре прионов Исследователи применили методы глубокого обучения для анализа прионных белков, традиционно считавшихся патогенными агентами, вызывающими нейродегенеративные заболевания. С помощью специализированных алгоритмов удалось выявить скрытые последовательности, обладающие выраженными антимикробными свойствами. Эти пептиды способны эффективно подавлять рост патогенных бактерий, что открывает новые перспективы в разработке антибиотиков нового поколения.

← Все материалы