Американские ученые использовали нейронные сети, подобные тем, которые подбирают слова по мере набора текста, чтобы предсказать изменения, происходящие с биологическими молекулами. В дальнейшем такой подход можно будет использовать при разработке лекарственных препаратов. Статья опубликована в журнале Nature Communications.

Функция белковой молекулы часто определяется ее формой и структурой, поэтому понимание их изменений может объяснить принципы работы различных белков, а также раскрыть причины заболеваний и быть полезным при создании лекарственных препаратов. Ученые из Мэрилендского университета в Колледж-Парке применили алгоритм машинного обучения к биомолекулярной динамике.

«Мы применили те же самые архитектуры систем искусственного интеллекта, которые используются для завершения предложений при наборе текста. Движение молекул может быть описано абстрактным языком, тогда искусственный интеллект будет составлять биологически верные предложения из этих абстрактных слов», — рассказал ведущий автор исследования Пратюш Тивари.

Из-за того что биологические молекулы находятся в постоянном движении, а переходы от одной формы к другой занимают очень малое время, изучение их изменений экспериментальными методами, такими как микроскопия или спектроскопия, сильно затруднено.

Исследователи применили законы Ньютона для предсказания движения атомов внутри молекул и использовали суперкомпьютер для создания статистических физических моделей, описывающих форму и траекторию движения отдельных молекул. Затем на них обучили обычно используемую для предиктивного ввода текста рекуррентную нейросеть.

Для алгоритма каждое движение молекулы считалось за букву, которую можно связать с другими, чтобы образовать «слова» и «предложения». Изучая правила синтаксиса и грамматики, которые определяют, какие формы и движения следуют друг за другом, алгоритм предсказывает поведение белка.

Новую методику ученые проверили на небольшой молекуле — рибопереключателе, — которая ранее анализировалась с помощью спектроскопии, результаты двух методов исследований полностью совпали. Алгоритм может быть полезен при создании лекарственных препаратов, которые должны связываться только с определенной мишенью. Кроме того, это открытие расширяет возможности будущих нейронных сетей.