Cercetătorii de la Institutul de Chimie Organică din Shanghai din cadrul Academiei Chineze de Științe au dezvoltat un model de inteligență artificială generativă care prezice interacțiunile proteină-proteină la rezoluție atomică, potrivit unui studiu publicat în Proceedings of the National Academy of Sciences (PNAS) pe 9 iunie 2026. Modelul, numit Void-X, adoptă o abordare fundamentală diferită de la proiectarea unei proteine de la construirea de proteine în sus, de la o abordare fundamentală a modelului de proteine în sus, mai degrabă de la proiectarea unei proteine în sus. mai întâi.
Lucrarea, condusă de dr. Yang Jing, Yuan Junying și James J. Chou, au fost evidențiați de Academia Chineză de Științe și raportați de Phys.org. Acesta adaugă un nou instrument unui domeniu în mișcare rapidă în care AI este din ce în ce mai folosită pentru a proiecta mașinile moleculare care stau la baza medicamentelor, materialelor și biologiei sintetice. For more context on this story, see our ongoing AI news.
De ce contează interacțiunile proteină-proteină
Proteinele sunt calii de lucru moleculari ai corpului uman. Ele formează țesuturi, transportă molecule, reglează comunicarea celulară și se apără împotriva infecțiilor. Multe dintre cele mai importante medicamente – inclusiv terapiile cu anticorpi pentru cancer și insulina pentru diabet – funcționează prin interacțiunea cu anumite proteine sau prin înlocuirea celor care lipsesc sau funcționează defectuos.
Deoarece atât de multe procese biologice depind de modul în care proteinele se leagă între ele, capacitatea de a prezice și de a proiecta cu exactitate interacțiunile proteină-proteină ar putea accelera descoperirea medicamentelor și ar putea răspunde nevoilor medicale nesatisfăcute. Progresul aici completează, de asemenea, progresele rapide în tehnologiile de livrare, cum ar fi vectorii virali adeno-asociați și nanoparticulele lipidice ARNm, care transportă molecule terapeutice în celule.
O abordare de jos în sus în loc de de sus în jos
Majoritatea cadrelor AI existente pentru proiectarea proteinelor urmează o strategie de sus în jos: ele generează mai întâi o schelă proteică generală care se potrivește unui site țintă și apoi proiectează o secvență pentru a optimiza legarea. Void-X inversează această logică.
Modelul este un sistem de umplere atomică. Este antrenat să recunoască modelele de interacțiune la scară atomică și să umple „golurile” - golurile - din interfețele proteice. Presupunerea sa călăuzitoare este că complexele macromoleculare stabile sunt ținute împreună prin împachetarea atomică optimă, care rezultă din interacțiunile locale dintre atomii învecinați, precum și din cuplări de ordin superior cu cei mai îndepărtați. În loc să proiecteze o formă întreagă de proteine, Void-X generează direct clustere atomice compacte optimizate pentru împachetarea strânsă într-o regiune structurală specificată, oferind designului o fundație bazată fizic.
Antrenat pe opt milioane de clustere atomice
Pentru a antrena Void-X, cercetătorii au asamblat un set de date de peste opt milioane de clustere atomice sferice extrase din structuri determinate experimental depuse în Protein Data Bank. Pentru fiecare cluster, aproximativ 30% din atomii periferici, adiacenți din punct de vedere spațial, au fost mascați, în timp ce atomii rămași au servit drept „context” – efectiv un prompt – pe care modelul l-a folosit pentru a prezice atomii lipsă.
Rețeaua rezultată conține 172 de milioane de parametri și a atins o acuratețe predictivă puternică: 78,3% pentru clusterele atomice intra-lanț și 68,2% pentru clusterele inter-lanț, au raportat cercetătorii.
Ce înseamnă pentru descoperirea medicamentelor și nu numai
Potrivit autorilor, aceste capacități permit generarea de novo de interacțiuni cu proteine de rezoluție atomică, oferind ceea ce ei descriu ca o cale complementară și intuitivă din punct de vedere fizic pentru proiectarea proteinelor. Combinând detaliile la nivel atomic cu modelarea generativă, Void-X extinde setul de instrumente pentru proiectarea rațională a interfețelor biomoleculare.
Acest lucru contează deoarece designul interfeței se află în centrul dezvoltării moderne de medicamente. Instrumente de calcul mai bune pentru prezicerea modului în care o moleculă candidată se va lega de ținta sa de proteine pot scurta calea de la idee la terapie, pot reduce dependența de experimente costisitoare de încercare și eroare și pot facilita proiectarea proteinelor pentru funcții complet noi în biologia sintetică.
Un domeniu în creștere
Void-X sosește pe fondul unui val de activități proteice determinate de AI. De la predicția structurii până la proiectarea generativă a tuturor atomilor, cercetătorii împing în mod constant spre capacitatea de a modela interacțiunile biomoleculare la rezoluție atomică completă. Sistemele generative anterioare ale tuturor atomilor au demonstrat deja fezabilitatea proiectării și prezicerii interacțiunilor la acea scară, iar Void-X contribuie la același efort cu o strategie distinctă, care ține primul loc.
Trucul de mascare care îl face să funcționeze
Metoda de antrenament a lui Void-X împrumută o pagină din manualul de model de limbaj. Mascând aproximativ 30% din atomii din fiecare grup de antrenament și cerând modelului să îi deducă din contextul înconjurător, cercetătorii au transformat biologia structurală într-o sarcină de completare a spațiilor libere - același principiu care permite modelelor mari de limbaj să prezică cuvintele lipsă dintr-o propoziție. Diferența este că „vocabularul” lui Void-X constă din atomi aranjați în spațiu tridimensional, iar gramatica pe care o învață reflectă regulile de împachetare fizică care guvernează modul în care proteinele reale se pliază și se leagă.
Acest antrenament conștient de structură este ceea ce separă Void-X de abordările care tratează proteinele ca secvențe plate de aminoacizi. Deoarece modelul motivează simultan cuplările atomice locale și cu rază lungă, poate propune geometrii de interfață care respectă constrângerile fizice ale unui complex stabil, mai degrabă decât să producă proiecte cu aspect plauzibil, dar instabile din punct de vedere biologic.
Limite și întrebări deschise
Rezultatele sunt promițătoare, dar cercetătorii sunt sinceri că provocările rămân. Precizia inter-lanț de 68,2% - relevantă pentru complexele multi-proteice care definesc cele mai multe ținte de droguri din lumea reală - este semnificativ mai mică decât cifra intra-lanț, reflectând dificultatea mai mare de a modela modul în care două molecule separate se unesc. Proiectarea unei interfețe care se leagă strâns într-un model de calcul este, de asemenea, doar primul pas; candidații trebuie totuși sintetizați și validați experimental, iar interacțiunile prezise pot scădea în mediul mai dezordonat al unei celule vii.
Extinderea datelor de antrenament, rafinarea modelului de manipulare a regiunilor de proteine flexibile sau dezordonate și integrarea Void-X cu sisteme complementare de sus în jos sunt probabil pașii următori. Autorii își întemeiază contribuția ca o tehnologie complementară, mai degrabă decât de înlocuire - o opțiune bazată fizic, care poate fi combinată cu schelele existente, pe măsură ce câmpul se îndreaptă către un design molecular de încredere, de la capăt la capăt.
A broader trend
Studiul, publicat sub DOI 10.1073/pnas.2607035123, semnalează că competiția pentru a construi instrumente de proiectare moleculară din ce în ce mai precise este acum în plină desfășurare - și că AI generativă devine o parte indispensabilă a bancului de lucru al biochimistului. Pe măsură ce modele precum Void-X reduc decalajul dintre calcul și laborator, speranța este că cercetătorii vor fi capabili să creeze noi terapii, enzime și materiale mai rapid și mai rațional decât oricând.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
