Массачусетский институт создал ИИ-модель для разработки лекарств лучше Google

Более быстрая и экономичная альтернатива — технологии машинного обучения. Но их точность хуже. Исследователи из МТИ считают, что достигли золотой середины, обучив Boltz-2 на обширных данных. Помимо Protein Data Bank — крупнейшей библиотеки биомолекул, — дополнительно загружены не представленные в исследованиях сценарии их взаимодействия, которые сгенерировал ИИ, а также тысячи симуляций движения атомов в молекуле с течением времени — это позволяет изучать, как белки меняют форму и соединяются с другими веществами. Стоимость вычислений с помощью нейросети обходится в 1000 раз дешевле по сравнению с FEP.

Эффективность

Исследователи взяли итоги конкурса CASP16 — международного состязания по прогнозированию структуры белков. Одной из задач участников было измерить степень связывания белковых структур с лекарственными молекулами. Критерием выступил коэффициент корреляции Пирсона, который показывает степень соответствия предсказанных и реальных значений.

У победившей команды он равнялся 0,54. Boltz-2 смог превзойти этот показатель — 0,65. Столько же, как правило, демонстрирует FEP — от 0,6 до 0,7. Для сравнения: в лабораторных условиях точность достигает 0,80. Этот барьер ИИ-методы преодолеют через один-два года, считают в МТИ.

Практическое применение

Boltz-2 может решать две задачи. Первая — поиск активных молекул, способных связываться с нужным белком. Вторая — обратный процесс, когда под заданную молекулу ищется проблемный белок.

ИИ-модель открыта для применения в академических и коммерческих целях. В нее можно интегрировать свои платформы без ограничений. Это еще одно отличие от продукта Google, требующего специальной коммерческой лицензии.