NVIDIA, Google DeepMind и EMBL-EBI открыли 3D-структуры белков 2800 вирусов для подготовки к будущим пандемиям

Что произошло: открытие датасета 3D-структур 2800 вирусов

NVIDIA присоединилась к коалиции исследовательских организаций, включая Google DeepMind и Европейский институт биоинформатики EMBL-EBI, чтобы открыто опубликовать предсказанные 3D-структуры белковых комплексов более 2800 вирусов. Данные доступны любому учёному через базу AlphaFold Database. Это первый масштабный релиз структур вирусных комплексов, который призван помочь в подготовке к будущим пандемиям.

Кто участвует: NVIDIA, Google DeepMind, EMBL-EBI и партнёры

Проект объединил усилия Coalition for Epidemic Preparedness Innovations, EMBL-EBI, Google DeepMind, NVIDIA, Сеульского национального университета, Университета Сонгюнгван, Швейцарского института биоинформатики и Университета Глазго. Такое широкое сотрудничество позволяет объединить экспертизу в области ИИ, биоинформатики и вирусологии.

Как это работает: AlphaFold2 и ускорение NVIDIA BioNeMo Inference Runtime

Структуры были предсказаны с помощью модели AlphaFold2 от Google DeepMind, которая определяет, как белки сворачиваются в 3D-формы. Для масштабирования на тысячи вирусных протеомов использовался NVIDIA BioNeMo Inference Runtime, оптимизированный для работы на GPU. Это позволило предсказать комплексы — группы взаимодействующих белков — для каждого вируса.

Масштаб данных: 260 млн предсказаний в AlphaFold Database

AlphaFold Database теперь содержит более 260 миллионов предсказаний белков и белковых комплексов, охватывающих почти все известные науке белки. Новый датасет вирусных структур стал значительным вкладом в эту базу, расширяя доступные данные для исследований.

Почему это важно: подготовка к будущим пандемиям и оценка рисков

Анализ Center for Global Development оценивает вероятность пандемии, сравнимой по серьёзности с COVID-19, примерно в 50% к 2050 году. В отличие от COVID-19, когда десятилетия исследований коронавирусов дали фору для быстрой разработки вакцин, следующая пандемия может не предоставить такой возможности. Проект заранее накапливает знания о структурах вирусных белков, чтобы учёные могли быстрее реагировать.

Новое для науки: 30% взаимодействий белков не задокументированы в PDB

Около 30% добавляемых в базу взаимодействий белков являются совершенно новыми для науки — их формы никогда не были зафиксированы в Protein Data Bank (PDB), основном хранилище экспериментально определённых структур. Это открывает новые возможности для биологического сообщества.

Белковые комплексы против одиночных белков: в чём разница для вакцин и лекарств

Большинство белков работают не в одиночку, а в комплексах из нескольких молекул, выполняя сложные функции. Именно такие структуры часто становятся мишенью для вакцин и лекарств. Например, понимание 3D-структуры шиповидного белка COVID-19 было основой для создания вакцин. Для тысяч других вирусов таких данных до сих пор не существовало.

Сравнение методов: AlphaFold2 за минуты против кристаллографии за годы

Открытый пайплайн: BioNeMo Structure Prediction Pipeline для исследователей

NVIDIA также открыто публикует BioNeMo Structure Prediction Pipeline — GPU-ускоренный рабочий процесс, использованный для генерации датасета. Исследователи могут применять его для предсказания структур своих целевых белков, начиная с последовательности и заканчивая 3D-моделью.

Доступ и метки достоверности: как учёные могут использовать датасет

Предсказания в открытом датасете помечены уровнями достоверности. Структуры показывают, как могут выглядеть вирусные комплексы и как отдельные белки взаимодействуют внутри вирусного протеома. Учёные могут проверить предсказания с высокой достоверностью экспериментальными методами. Датасет доступен через AlphaFold Database Pandemic Preparedness Portal.

Глобальный контекст: саммит ООН и инициативы по пандемической готовности

Релиз датасета совпал с заседанием Генеральной Ассамблеи ООН, созванным Всемирным экономическим форумом по вопросам предотвращения пандемий, готовности и ответа, которое проходит на этой неделе в Нью-Йорке. Открытый доступ к данным особенно важен для учёных в регионах с ограниченными ресурсами, которые первыми сталкиваются со вспышками.

Ограничения и что дальше: экспериментальная проверка и развитие проекта

Предсказанные структуры требуют экспериментальной проверки. Проект продолжит пополнять базу данными о вирусных комплексах, чтобы у учёных было больше инструментов для фундаментальных исследований и разработки терапий. Как отметил Джо Гроув из Университета Глазго, этот датасет — мощный инструмент для новых поколений исследователей.