Comments 10
«в миллион раз быстрее, чем DeepMind, хотя, вероятно, не так точно» — думаю, рано розетту списывать со счетов

Интересно, способен ли этот алгоритм учитывать третичные водородные связи дальше нескольких оснований? Вроде как основной затык как раз в них.

Очень интересно, а способен ли он предсказывать белки с лигандами? С ионами металлов?
Как он может предсказать белки, которые сворачиваются только в присутствии шаперонов? Или тех, что сворачиваются только в определённых условиях — pH, температура, электролиты?
Забавно, сколько внимания уделяется скорости, да пусть хоть полгода считает, если это результат будет соответствовать действительности.
Вот тут я против нейросетей.
В первом приближении достаточно хорошо должны работать алгоритмы. Легко задать такие параметры, как Ван-дер-Ваальсов радиус, заряд, водородные взаимодействия, гидрофильность, электроотрицательность. Дальше уже рассматривается принцип энергетической выгодности (минимальной энергии полученной в результате фолдинга молекулы), и вот тут очень выручает человек, задающий основные направления и способы укладки, которые затем проще оптимизировать — привет вышеупомянутым распределенным вычислениям BOINC, Folding и т.д. (да я и сам гнул белки на своем ноуте в Folding в далеком 2009-м).
А нейросеть, насколько я понял, обучается по конфигурациям, и где-то это может работать, а в сильно экзотическом случае может серьезно споткнуться об отсутствие учета какого-нибудь аддитивного эффекта разного типа взаимодействий, например редкий ион, лиганд и т.д. Или просто провалиться в локальный оптимум чисто математически, не дойдя до истинно выгодной структуры, появляющейся в результате ферментного катализа.
Ну, кажется, ничего не мешает нейросети заменить как раз ту стадию, где человек участвует. А всё остальное оставить как в вашем варианте.
Да, ещё, у AlfaFold, попадание в структуру ~ 50/50. А про этот алгоритм можно словечко на эту тему?
И — «Чтобы применять их, необходим кристаллизованный белок, замороженный белок, химически обработанный белок или радиоактивно меченный белок.» Кто то здесь видит нативный белок? А ведь алгоритмы берут именно эти исходники за начальное приближение. Это собственно, основная проблема «считалок» и вообще 3Д структуры. Куча белков большую часть времени вообще не свернута, а при связывании разных лигандов сворачиваются по разному. Боле-менее жесткая структура у специфичных ферментов. А вся регуляция… мембраны (разная, не водная, среда) десятки возможных лигандов, постмодификации… Для какого варианта считать?
Only those users with full accounts are able to leave comments. Log in, please.