Белки — это наномашины природы. В каждой клетке они катализируют реакции, переносят вещества, распознают сигналы и формируют структуры. Естественные белки эволюционировали миллиарды лет, и их формы чрезвычайно сложны. Учёные давно пытаются спроектировать искусственные белки, но чаще всего получались короткие цепочки, выполняющие простые функции. Теперь исследователи из Технического университета Мюнхена разработали алгоритм, позволяющий создавать крупные белки de novo, то есть «с нуля», из более чем 1000 аминокислот. Главное новшество — подход, в котором на каждом участке оцениваются все 20 аминокислот одновременно, а затем с помощью градиентного спуска и нейросетевой модели AlphaFold2 выбирается оптимальный вариант.
Метод работает как художественный редактор: сначала задаётся общая форма молекулы — например, цилиндр, бочонок или трёхмерная решётка. Затем программа рассматривает каждое положение в полипептидной цепочке как «позицию», куда можно установить любую из 20 аминокислот. Система оценивает, как выбранный набор взаимодействий влияет на стабильность и функцию, и постепенно, путём небольших изменений (градиентного спуска), приводит структуру к нужному состоянию. После компьютерного этапа кандидаты синтезируются в лаборатории и проверяются на соответствие предсказанной форме.
Исследователи продемонстрировали возможности подхода, создав более 100 больших белков различной формы и функции. Некоторые из них были запрограммированы на связывание определённых антител, другие — на ферментативную активность. Особенно интересно, что благодаря этой методике можно получать белки со множественными функциональными участками, напоминающие антитела. Такие «модульные» конструкции могут стать основой для новых лекарств и диагностики. Кроме того, возможность проектировать белки длиной более 1000 аминокислот открывает перспективы создания «молекулярных машин» с несколькими движущимися частями.
Новая технология объединяет вычислительные науки и молекулярную биологию. Программы вроде AlphaFold2 научились предсказывать форму белка по его последовательности, но здесь задача обратная: нужно найти последовательность, которая сформирует нужную форму. Подход универсален: он позволяет рассчитать любую задачу дизайна белка, от биосенсоров до ферментов, используя одну платформу. В будущем такие методы могут стать частью стандартного процесса разработки лекарств: вместо лабораторных скринингов миллиона случайных последовательностей учёные будут сразу генерировать кандидаты с нужными свойствами, экономя время и ресурсы.
Тем не менее остаются вызовы. Алгоритмы пока не всегда учитывают динамику белков — многие молекулы меняют форму в процессе работы. Также необходимо учитывать биосовместимость и склонность к агрегации. Но даже на нынешнем уровне метод открывает гигантский каталог не существовавших раньше белков, которые могут выполнять совершенно новые функции. «Дизайн белков» становится новой областью искусства, где учёные выступают скульпторами на молекулярном уровне.
Белковая молекула складывается в трёхмерную структуру благодаря набору слабых взаимодействий — гидрофобных, водородных, электростатических. Классический эксперимент Кристиана Анфинсена показал, что информация о форме содержится в самой последовательности. Но предсказать, как именно сложится длинная цепочка, долгое время было трудно: число возможных конфигураций огромно. Компьютерные модели пытаются вычислить структуру, минимизируя свободную энергию, но до недавнего времени они не могли соперничать с природой. Развитие глубокого обучения и алгоритмов, подобных AlphaFold2, позволило впервые предсказывать формы естественных белков с атомарной точностью. Теперь эта технология используется в обратную сторону — для создания новых последовательностей с заданной архитектурой.
Ранее учёные применяли методы направленной эволюции и пакет Rosetta для дизайна белков, но они хорошо работали лишь с короткими доменами. Задача создания длинных, сложных структур оставалась нерешённой. Использование градиентного спуска в сочетании с нейросетевой оценкой устойчивости позволяет избежать «проклятия размерности» и искать решения в огромном пространстве. Система рассматривает сразу все 20 аминокислот в каждой позиции, оценивая их вклад в общую стабильность, а затем итеративно улучшает выбор. Это похоже на работу художника, который постепенно уточняет контуры картины.
Применения де novo‑дизайна выходят далеко за пределы фундаментальной науки. Синтетические белки могут служить ферментами, разрушающими пластик или вредные пестициды, действовать как клеи в биоматериалах или играть роль транспортных средств для доставки лекарств. Вакцины нового поколения могут включать искусственно созданные «антигенные рамки», которые точно имитируют форму вирусного белка и вызывают сильный иммунный ответ. Биосенсоры на основе дизайнерских белков способны обнаруживать токсины, гормоны и даже взрывчатые вещества.
Однако между компьютерным проектированием и реальными молекулами сохраняется разрыв. Синтез белков требует времени и ресурсов, а многие рассчитанные структуры могут оказаться нестабильными или склонными к агрегации. Кроме того, иммунная система человека может распознать искусственный белок как чужеродный и вызвать нежелательную реакцию. Поэтому каждый кандидат должен проходить множество испытаний. Тем не менее прогресс очевиден: сочетание вычислительной мощи и опыта биохимиков открывает эпоху, когда белки перестанут быть исключительно произведениями природы и станут инструментами, созданными человеком для решения конкретных задач.