Как вычислить колебания белка за секунды: новый метод расчёта жёсткости экспресс

Оригинал: "Machine learning predictions of the Hessian matrix for peptides chains and small proteins"
· Giorgio Domenichini
arXiv:2608.21322v1 · 2026-08-21 · CC BY-SA 4.0 · 1 мин
Машинное обучение предсказывает, как колеблются тысячи атомов в белке, без дорогих квантовых расчётов.

Белок в клетке не статичен, как манекен в витрине. Его атомы непрерывно колеблются, растягиваются и изгибаются — подобно натянутой гитарной струне, которая продолжает вибрировать после щипка. Чтобы понять функцию белка, необходимо оценить жёсткость связей между его участками. Физики описывают это через матрицу вторых производных энергии, но наглядно её можно представить как карту «пружинок» между атомами: где связь жёсткая, а где податливая.

Ранее построение такой карты для крупных молекул требовало суперкомпьютеров и занимало часы или даже дни. Новый алгоритм обучается на небольших молекулах — отдельных аминокислотах, из которых, словно из деталей конструктора, собираются белки. Затем он переносит полученные закономерности на белок из тысяч атомов и вычисляет карту пружинок за секунды. Важно, что расчёт ведётся во внутренней системе координат молекулы, а не относительно лабораторной системы отсчёта, поэтому результат не изменяется при повороте или смещении молекулы.

Точность метода проверяли на термодинамических характеристиках: по карте пружинок можно рассчитать теплоёмкость и степень хаотичности движения молекулы. Отклонение от точных расчётов не превышает одного процента.

Такая вычислительная скорость открывает новые перспективы. Можно быстро протестировать тысячи вариантов лекарственных соединений, чтобы найти то, которое наиболее прочно связывается с белком-мишенью. Или исследовать, как мутация изменяет жёсткость белка. Раньше это было слишком ресурсоёмко, теперь — вопрос нескольких минут.

Аминокислоты, на которых учили нейросеть, — это как буквы алфавита: их всего 20, но из них собираются все белки в нашем теле.

Учёные
Erwin SchrödingerHugh Everett IIIWilliam Lawrence Bragg
Понятия
языковая модель белков предсказание молекулярных свойств квантово-химический расчёт машинное обучение межатомный потенциал, обученный машинным обучением прогностическая модель предсказание сворачивания белков обучение большие языковые модели параметр набор данных молекулярно-динамическое моделирование пептид скорость обучения обучающие данные уравнение Михаэлиса-Ментен добиотическая химия аминокислотная последовательность прозрачность автоматизированный анализ