Исследователи Московского физико-технического института проверили четыре популярных инструмента для моделирования комплексов белков с малыми молекулами — AlphaFold 3, Boltz-2, Chai-1 и Protenix-v1. Современные нейросети произвели революцию в структурной биологии, научившись за часы или минуты предсказывать строение белков и их взаимодействие с потенциальными лекарствами. Однако тесты показали: алгоритмы не учитывают важную деталь — электрический заряд молекул, который может меняться в зависимости от кислотности среды и влияет на эффективность действия препарата. Результаты опубликованы на платформе bioRxiv.
В качестве тестовых объектов учёные взяли простейшие соединения — метиламин и уксусную кислоту, которые могут существовать как в нейтральной, так и в заряженной форме. Эти молекулы повсеместно встречаются в белках и должны быть хорошо «знакомы» нейросетям. Однако результаты предсказаний в большинстве случаев сильнее зависели от формата описания молекулы на входе (CCD или SMILES), чем от её заряда. Как отметил заведующий лабораторией МФТИ Иван Гущин, ИИ не учитывает, что многие вещества в живых организмах могут менять заряд, а от этого зависит, будет ли лекарство действовать на нужную мишень.
Особое беспокойство вызвала геометрия предсказанных структур: длины химических связей оказались систематически короче реально возможных, вплоть до абсурдных значений. Например, одна из программ «сжимала» связь до 0,0075 нанометра, хотя даже по скромным меркам она должна быть минимум в десять раз длиннее. Это говорит о том, что нейросеть не до конца понимает элементарную химию и может генерировать молекулы с физически невозможной геометрией, предсказывая их поведение в организме с ошибками.
Ни один из четырёх методов явно не выделился по качеству предсказаний. По мнению авторов, критически важно улучшать алгоритмы в двух направлениях: ИИ-модели должны выдавать одинаковый результат независимо от формата входных данных, а при обучении нейросетей необходимо учитывать, что молекулы могут менять свой заряд. Исследование поможет разработчикам препаратов точнее оценивать риски при использовании нейросетей и укажет пути совершенствования таких систем для создания более надёжных лекарств.
Изображение: пресс-служба МФТИ
