Российский ИИ в 30 раз быстрее «нобелевского» AlphaFold находит молекулы для лекарств

Исследователи «Сколтеха» и стартапа «Лигаанд Про» создали систему искусственного интеллекта, которая предсказывает взаимодействие лекарственных молекул с белками за 13 секунд.

Российская наука совершила прорыв в области компьютерного дизайна лекарств, опередив мировой стандарт, признанный Нобелевским комитетом. Исследователи из «Сколтеха» и стартапа «Лигаанд Про» создали систему искусственного интеллекта, которая предсказывает взаимодействие потенциальных лекарств с белками в десятки раз быстрее, чем знаменитый алгоритм AlphaFold. Об этом сообщила пресс-служба вуза.

Многие болезни — от онкологии до нейродегенеративных расстройств — связаны с нарушением работы белков в организме. Чтобы «починить» или заблокировать их, ученые ищут небольшие молекулы, способные проникнуть внутрь белка-мишени и повлиять на его работу. Раньше такие поиски требовали долгих лабораторных экспериментов, но сегодня все чаще используют компьютерное моделирование: программы «примеряют» молекулу к белку, оценивая, насколько та подходит по форме и химическим свойствам.

Переломный момент в этой области наступил в 2020 году, когда компания DeepMind представила нейросеть AlphaFold. Она научилась точно предсказывать структуру белков и их взаимодействие с молекулами. За эту работу разработчики получили Нобелевскую премию по химии в 2024 году. Однако российские ученые пошли дальше, создав систему, которая делает такие расчеты гораздо быстрее.

Секрет — в разбиении процесса на три этапа. Сначала алгоритм примерно определяет положение молекулы внутри белка, затем уточняет ее ориентацию и отсеивает заведомо невозможные варианты. В результате проверка показала: российская система просчитывает взаимодействие одной молекулы с белком всего за 13 секунд. AlphaFold на ту же задачу тратит около 6,5 минуты — то есть в 30 раз дольше.

«За три года мы прошли путь от идеи и формирования команды до результата мирового уровня, — цитирует пресс-служба аспиранта "Сколтеха" Дарью Фролову. — Мы продолжаем развивать нашу систему, а также создаем инструменты для решения смежных задач — генерации молекул, предсказания и оптимизации их свойств. Наш следующий шаг — экспериментальная проверка технологий с последующим внедрением в индустрию».

По словам разработчиков, их подход позволит значительно ускорить виртуальный поиск лекарственных молекул и проводить его на вычислительных мощностях среднего уровня, что раньше было недоступно.