Как учёные заставили ИИ создать работающие ферменты с нуля
Тринадцать из шестидесяти девяти спроектированных алгоритмами ферментов успешно разрезали целевые белки — такого результата от искусственного интеллекта не ожидали даже авторы исследования. Речь о протеазах, ферментах, которые повсеместно встречаются в природе и разрезают белки на пептиды и аминокислоты. Именно на них опираются многие медицинские и промышленные процессы: от очистки тканей до переработки органических отходов.
Протеазы — рабочие лошадки живой клетки
В живых организмах протеазы выполняют роль универсальных ножниц. Они управляют десятками процессов: расщепляют повреждённые белки, участвуют в свёртывании крови, активируют сигнальные молекулы. Без них невозможен нормальный клеточный обмен, а сбои в их работе приводят к тяжёлым патологиям.
В промышленности и медицине эти энзимы тоже незаменимы. С их помощью:
- очищают поверхности инструментов и материалов;
- удаляют омертвевшие ткани при обработке ран;
- перерабатывают белковые отходы;
- получают аминокислоты и короткие пептиды.
Но создать искусственный фермент, который узнаёт определённую последовательность аминокислот и точно разрезает её, — задача из разряда сверхсложных. Нужно одновременно спроектировать трёхмерную форму будущего энзима, подобрать аминокислотную последовательность и обеспечить эффективный каталитический механизм. До недавнего времени всё это казалось почти невозможным.
Нейросети учатся конструировать энзимы
Команда под руководством Дэвида Бейкера из Университета Вашингтона объединила несколько вычислительных инструментов. Работа шла в три этапа.
- Алгоритм RFdiffusion2 (версия RFD2-MI) спроектировал трёхмерный каркас будущего белка;
- программы ProteinMPNN и EnhancedMPNN подобрали аминокислотные последовательности, подходящие друг другу и заданной цели;
- AlphaFold 3 проверил, насколько предсказанная форма соответствует замыслу.
Такой конвейер прогнали десятки раз — отдельно для цистеиновых и отдельно для цинковых протеаз. И хотя ИИ уже использовали для получения новых белковых форм, создание функционального фермента — качественный скачок. Молекула должна не просто красиво складываться, а распознать мишень и расщепить пептидную связь.
Бактериальная проверка цифровых чертежей
Чтобы убедиться в работоспособности виртуальных конструкций, исследователи заставили бактерии производить длинный единый белок. Внутри этой цепочки фермент был соединён с целевой последовательностью и светящимся маркером. Если энзим разрезал белок в нужном месте, маркер освобождался и давал флуоресцентный сигнал — эксперимент фиксировал это автоматически.
Как подробно рассказано на портале Phys.org, испытания прошли 69 версий цистеиновых протеаз и 135 цинковых. Из них 13 цистеиновых ферментов успешно расщепили свою цель. У цинковых результат оказался ещё выше: около 36% кандидатов разрезали соответствующие пептиды. Эти исследования опубликованы в журнале Nature в двух отдельных статьях.
ИИ ускоряет и уточняет работу ферментов
Лучшие варианты прогнали через дополнительный цикл машинного обучения. Это повысило скорость самой активной цинковой протеазы в 30 раз. А одна из цистеиновых версий стала разрезать целевой белок в строго определённом месте — не смещаясь ни на одну аминокислоту.
Параллельно учёные выполнили расчёты молекулярной динамики для комплекса Михаэлиса астацина и вычислили энергию активации стадии нуклеофильной атаки. Такие детальные модели помогают понять, почему одни варианты работают лучше других, и предсказывать поведение будущих конструкций.
«Наши результаты показывают, что дизайн ферментов с нуля продвинулся далеко за пределы модельных реакций на активированных субстратах», — подчёркивают авторы.
Охотники на белки, связанные с болезнями
Некоторые из созданных энзимов показали потенциальную терапевтическую ценность. Одна из протеаз успешно разрезала полный белок TDP-43, который накапливается при боковом амиотрофическом склерозе и некоторых формах деменции. Другие «молекулярные ножницы» расщепляли фрагменты амилоида-бета, ассоциированного с болезнью Альцгеймера, и сывороточного амилоида A, связанного с тяжёлым поражением органов при системном амилоидозе.
До клинических испытаний на людях этим молекулам ещё далеко. Но сама возможность проектировать ферменты под конкретные участки белков может радикально изменить подходы к лечению многих заболеваний и открыть новые пути в биотехнологии.
Если алгоритмы научатся создавать точные молекулярные инструменты под любую белковую мишень, как изменится медицина будущего? Возможно, ответ на этот вопрос появится уже в ближайшие годы — а пока исследователи продолжают совершенствовать свои «цифровые ножницы».
