Открытые данные против неизвестности
В ответ на угрозу новых пандемий консорциум, включающий NVIDIA, Google DeepMind и Европейский институт биоинформатики (EMBL-EBI), сделал открытым доступ к предсказанным 3D-структурам белковых комплексов более чем 2800 вирусов. Данные размещены в AlphaFold Database и доступны любому исследователю. Это позволяет ученым заранее изучать архитектуру патогенов, не дожидаясь вспышки заболевания.
Технологический прорыв: AlphaFold2 + BioNeMo
Структуры были получены с помощью модели AlphaFold2, оптимизированной для работы на GPU с использованием NVIDIA BioNeMo Inference Runtime. Традиционные методы (рентгеноструктурный анализ) занимают годы и стоят тысячи долларов за образец. AI-подход позволяет предсказывать структуру за минуты и масштабировать вычисления на тысячи протеомов одновременно. NVIDIA также открыла код BioNeMo Structure Prediction Pipeline, чтобы ученые могли самостоятельно генерировать предсказания для своих целей.
Ключевые метрики и новизна
Новый датасет значительно расширяет базу знаний. Около 30% добавленных взаимодействий белков являются полностью новыми и ранее не документировались в Protein Data Bank. Общий объем AlphaFold Database теперь превышает 260 миллионов предсказаний, охватывая почти все известные науке белки.
| Параметр | Традиционные методы | AI-подход (NVIDIA/DeepMind) |
|---|---|---|
| Время получения структуры | Годы | Минуты |
| Стоимость (оценка) | Тысячи долларов за образец | Масштабируемо через GPU-инференс |
| Объем данных (всего в базе) | ~200k экспериментальных структур | >260 млн предсказаний |
| Новизна данных | Известные структуры | 30% — ранее неизвестные комплексы |
Зачем это нужно: статистика рисков
Анализ Центра глобального развития (Center for Global Development) оценивает вероятность столкновения с пандемией уровня COVID-19 к 2050 году примерно в 50%. Как отмечает профессор Джо Гроув (University of Glasgow), в отличие от COVID-19, у нас не будет десятилетий предварительных исследований для новых патогенов. Открытые структуры белковых комплексов служат «машиной для генерации гипотез», позволяя разрабатывать диагностические тесты и вакцины на опережение, особенно для исследователей в регионах с ограниченными ресурсами.
Источник: NVIDIA Blog ↗