Закрытые данные помогли ИИ точнее предсказывать, как лекарства связываются с белками
Исследователи показали, что закрытые данные фармкомпаний заметно повысили точность ИИ при прогнозировании того, как белки связываются с потенциальными лекарствами. Модель, дополнительно обученная на более чем 20 тыс. конфиденциальных структур, превзошла системы, которым были доступны только открытые данные.
Для эксперимента участники сети AI Structural Biology дообучили OpenFold3 (открытый аналог AlphaFold 3) на 20 167 структурах белков в комплексе с потенциальными лекарствами и другими молекулами-лигандами. Данные предоставили AbbVie, Astex Pharmaceuticals, Bristol Myers Squibb, Johnson & Johnson и Takeda, однако сами структуры не покидали инфраструктуру компаний: обучение проходило локально, а между участниками передавались только обновления параметров модели.
Преимущество оказалось заметным. На тестовом наборе из 1056 структур белок-лиганд новая версия OpenFold3 дала высокоточный прогноз более чем в половине случаев. Базовая версия модели справилась с задачей примерно для трети структур, а конкурирующая открытая система Boltz-2 — примерно для 40%. Кроме того, совместно обученная модель превзошла версии, которые каждая фармкомпания отдельно дообучала только на собственных данных.
Для разработки лекарств этого массива открытых данных по-прежнему недостаточно. Protein Data Bank содержит более 200 тыс. экспериментально определенных структур, но примеров взаимодействия белков с молекулами, похожими на потенциальные лекарства, среди них сравнительно мало. По оценке одного из участников проекта, таких структур в открытой базе может быть всего около 10 тыс.
У фармацевтических компаний при этом накоплены гораздо более крупные массивы нужных структур. Их получают в ходе разработки препаратов с помощью рентгеновской кристаллографии и криоэлектронной микроскопии, но значительная часть результатов остается внутри компаний, поскольку связана с собственными исследовательскими программами и потенциально ценными разработками.
Результаты показывают, что совместное использование закрытых данных может повысить точность ИИ-моделей, применяемых при разработке лекарств, даже если компаниям не приходится раскрывать друг другу исходную информацию. Однако выводы пока предварительные: работа не прошла рецензирование, а созданная в рамках проекта модель недоступна независимым исследователям для свободного тестирования.
Подпишитесь на «Инк» в Telegram. Там мы пишем нескучным языком о самом важном для предпринимателей. Подписаться.
