Капсиды — это белковые коробочки, в которых вирус переносит свой генетический материал. В генной терапии такие коробочки используют как курьеров: внутрь кладут нужный ген, а снаружи оставляют умение проникать в клетки. Проблема в том, что природных коробочек мало, а задач — много: одна должна попадать только в печень, другая — в мозг, третья — не вызывать иммунного ответа.
Компьютерное моделирование помогает искать новые варианты, но пространство возможных последовательностей огромно — больше, чем атомов во Вселенной. Перебрать всё невозможно. Поэтому авторы взяли модель, обученную на миллионах белков, и дообучили её на проверенных капсидах. Модель научилась отличать жизнеспособные последовательности от мусора. Но просто генерировать похожее — скучно и неэффективно: так получаются лишь вариации уже известного.
Чтобы вырваться за пределы знакомого, добавили обучение с подкреплением — метод, при котором программа получает награду за два качества сразу: жизнеспособность и новизну. Чем дальше новая последовательность от всех известных, тем выше балл за новизну. Так программа уходит в неизведанные области белкового пространства, сохраняя шанс на работоспособность.
Результат сравнили: простое дообучение даёт много «правильных», но похожих на уже известные последовательности. А с подкреплением программа находит варианты, которые сильно отличаются от всего, что встречалось в природе, и при этом по предсказаниям остаются жизнеспособными. Финальный отбор кандидатов учитывает не только новизну и жизнеспособность, но и физические свойства белка — стабильность, растворимость.
Такой подход — не просто генератор случайных мутаций. Это способ целенаправленно исследовать огромное пространство возможных белков и находить неожиданные решения. В будущем он может ускорить создание персонализированных вирусных векторов для генной терапии.
Пространство возможных белковых последовательностей настолько велико, что если бы каждый атом во Вселенной был отдельным вариантом, мы всё равно не покрыли бы и крошечной доли.