Ученые нашли новый способ предсказания изменений формы белков при их функционировании, что важно для понимания их работы в живых системах. В то время как современные технологии искусственного интеллекта (ИИ) могут прогнозировать статические структуры белков, их движения остаются сложными для предсказания из-за недостатка данных.
Исследование, опубликованное в журнале Proceedings of the National Academy of Sciences, описывает метод, который объединяет информацию об энергетических ландшафтах белков с методами глубокого обучения. Усовершенствованный подход улучшает работу AlphaFold2, инструмент для предсказания статических структур белков, обучая его фокусироваться на «энергетических конфликтах».
Учёные протестировали метод на аденилаткиназе и обнаружили, что предсказанные движения совпадают с экспериментальными данными. Также успешно предсказаны функциональные движения других белков.
Этот метод показывает, как интеграция физических знаний с ИИ может значительно улучшить прогнозирование движений белков, что важно для разработки новых лекарств и понимания механизмов болезней.
