Как посчитать дрожание белка за секунды 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 висит неподвижно, как манекен в витрине. Его атомы постоянно дрожат, растягиваются и сгибаются — как натянутая гитарная струна, которая звучит даже после того, как по ней провели пальцем. Чтобы понять, как белок работает, нужно знать, насколько жёстко каждая его часть держится за соседние. Физики называют это «матрицей вторых производных энергии» — но проще думать о карте пружинок между атомами: где пружинка тугая, а где мягкая.

До сих пор такую карту для большой молекулы считали на суперкомпьютерах, и это занимало часы или дни. Новая программа учится на примерах маленьких молекул — отдельных аминокислот, из которых белки собираются, как из деталей конструктора. Потом она переносит это знание на белок из тысяч атомов и выдаёт карту пружинок за секунды. Причём считает она в удобной системе координат — не относительно стен лаборатории, а относительно самой молекулы, поэтому результат не меняется, если молекулу повернуть или сдвинуть.

Точность метода проверяли на термодинамике: по карте пружинок можно посчитать, сколько тепла молекула может запасти и насколько хаотично она движется. Совпадение с точными расчётами — в пределах процента.

Такая скорость открывает новые возможности. Можно быстро проверить тысячи вариантов лекарства, чтобы найти то, которое лучше всего «застёгивается» на белок-мишень. Или изучить, как белок меняет жёсткость при мутации. Раньше это было слишком дорого, теперь — вопрос пары 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