📄 Показана версия «Просто» — «Подробно» пока не готова. Добавьте ★ в избранное, если хотите её ускорить. Прошу разобрать полностью

Белок в клетке не застывшая скульптура. Он постоянно движется: изгибается, дышит, дрожит. Это движение — его называют динамикой — определяет, как белок работает. Но заглянуть в танец напрямую сложно, а компьютерное моделирование часто требует огромных мощностей.

Новый подход, названный DynaMode, смотрит на движение белка как на музыкальное произведение. Преобразование Фурье раскладывает сложную траекторию атомов на простые частоты — словно отделяет басовую партию медленных изгибов от высокого звона быстрых колебаний. Модель учится предсказывать не отдельные положения атомов, а целые спектральные картины, которые зависят от температуры. Низкие частоты в такой картине прямо указывают, насколько гибок каждый участок белка.

Обучение на наборе данных mdCATH позволило модели быстро генерировать правдоподобные траектории. На отложенных тестах DynaMode достигла корреляции Пирсона 0,844 для среднеквадратичных флуктуаций атомов (RMSF — мера того, насколько сильно атом отклоняется от среднего положения). Это значит, что предсказанная подвижность хорошо совпадает с реальной. Модель не просто угадывает — она улавливает физику процесса: разделение на медленные и быстрые движения заложено в саму архитектуру.

Такой спектральный взгляд открывает путь к быстрому скринингу: можно за минуты оценить, как мутация или изменение температуры повлияют на танец белка. А значит, быстрее искать новые лекарства или понимать причины болезней.

Оригинальная аннотация

как её написали авторы, на английском arXiv:2607.04134

Generative models present a promising alternative to expensive molecular dynamics for computationally querying protein dynamics, yet many existing approaches treat ensembles as unordered snapshots rather than temporally coherent trajectories, or scale poorly with protein size. We present a new physics-informed representation using Fourier transforms as an inductive bias for the multiscale temporal nature of protein dynamics. Diffusion in the spectral domain allows for disentangling of dynamics into slow conformational modes and fast atomic jitter, enabling rapid and improved prediction of dynamics across a range of temperatures. This is facilitated by denoising of structure and temperature conditioned spectral volumes where the low frequencies directly encode per-residue flexibility. Trained on the mdCATH dataset, we evaluate our model, DynaMode, on a held-out test set achieving strong performance across a set of ensemble-based metrics including a Root Mean Squared Fluctuation (RMSF) pearson $$r$$ of $$0.844$$. Code is available at https://github.com/HPuntu/DynaMode.