Когда в организм проникает вирус или появляется раковая клетка, на сцену выходят Т-клетки — бойцы иммунной системы. У каждой Т-клетки есть свой рецептор — молекула-замок, которая ищет подходящий ключ: кусочек белка (пептид) на поверхности больной клетки. Если ключ подошёл, Т-клетка активируется и уничтожает врага. Но замков и ключей миллиарды, и предсказать, какой рецептор сработает против конкретного пептида, — сложнейшая задача.
Компьютерные модели пытаются решить её, читая последовательности аминокислот — букв, из которых состоят белки. Новая модель ImmSET работает как внимательный переводчик: она смотрит на набор рецепторов и набор пептидов и учится сопоставлять их друг с другом. В отличие от прежних моделей, которые сравнивали пары поодиночке, ImmSET учитывает весь набор сразу — как будто переводчик слушает не отдельные реплики, а весь разговор.
Учёные проверили модель на данных разного размера и состава. Выяснилось: чем больше примеров для обучения, тем точнее предсказания — как у студента, который решает всё больше задач. При достаточном объёме данных ImmSET обошла даже AlphaFold2 и AlphaFold3 — знаменитые модели, предсказывающие форму белков. Это значит, что для задачи «узнавания» важна не только форма, но и сам текст последовательности.
Такой подход пригодится не только в иммунологии. Любая задача, где нужно сопоставить наборы биологических последовательностей — например, взаимодействие ферментов или сигнальных молекул, — может выиграть от модели, которая видит всю картину целиком. А для медицины это шаг к тому, чтобы подбирать терапию, глядя на уникальный «иммунный паспорт» пациента.
Число возможных Т-клеточных рецепторов превышает $10^{15}$ — это больше, чем количество песчинок на всех пляжах Земли.
В сериале «Пространство» наниты модифицируют иммунную систему, чтобы она распознавала чужеродные клетки — похоже на то, как ImmSET учится предсказывать, какие рецепторы сработают против конкретных белков.