Биологический ИИ и биоинформационные услуги

Главный эмпирический факт за биологическим машинным обучением состоит в том, что эволюция уже поставила эксперимент. Остатки, соприкасающиеся в свёрнутом белке, вынуждены меняться совместно: замена, разрушающая контакт, допустима лишь при компенсирующей замене в парной позиции. В глубоком семейном выравнивании это оставляет статистический след — коррелированные картины замен, — из которого контакты выводятся без всякой физики. Предсказание структуры стало точным тогда, когда модели научились извлекать этот сигнал; языковые модели белков, обученные лишь предсказывать закрытые остатки, восстанавливают по сути ту же информацию, потому что теми же ограничениями определяется, какие последовательности вообще правдоподобны.

От чего зависит сигнал#

Точность поэтому следует за глубиной и разнообразием эволюционной летописи, доступной для данной последовательности. Семейства со множеством разнородных гомологов дают резкий коэволюционный сигнал; последовательности-сироты, быстро эволюционирующие участки, сконструированные белки и многие поверхностные белки вирусов — нет, и предсказания там соответственно слабее. Оценки уверенности, которые выдают предсказатели, об этом и говорят, и читать их следует именно так: области низкой уверенности часто оказываются внутренне неупорядоченными — это настоящий биологический ответ, а не сбой, — но там же у модели меньше всего свидетельств.

Чем предсказанная структура не является#

Предсказание — это, как правило, одна низкоэнергетическая конформация без лиганда. Многие интересные белки существуют как ансамбли: транспортёры с попеременным доступом, рецепторы в активном и неактивном состоянии, аллостерические ферменты, — и одна модель не сообщает ни какое состояние перед вами, ни как белок переходит между ними. Она не размещает и лиганды, ионы, посттрансляционные модификации и мембранное окружение, если метод не был на это рассчитан. В разработке лекарств положения боковых цепей в кармане связывания обычно требуют экспериментального подтверждения, прежде чем результат докинга что-то значит, — поэтому предсказание структуры увеличило, а не отменило спрос на экспериментальную структурную биологию.

Оценка качества — место, где поле легче всего обмануть#

Базы содержат перекрывающиеся и очень похожие последовательности, поэтому случайное разбиение на обучение и тест даёт утечку и завышает результат. Осмысленные тесты делят по идентичности последовательностей или по времени, оставляя структуры, решённые после даты отсечения обучения, — именно это делает слепые сообществные оценки вроде CASP точкой отсчёта, а не самоотчёты. То же касается моделей, предсказывающих эффект вариантов или связывание: модель может показывать высокие оценки, выучив принадлежность к семейству, а не искомое свойство.

Предсказание и дизайн — разные задачи#

Породить последовательность, которая, по мнению модели, свернётся, дёшево; модель судит о правдоподобии в выученном ею распределении, а не о термодинамической стабильности, экспрессируемости в хозяине, растворимости, склонности к агрегации или иммуногенности. Сообщаемые успехи дизайна — это обычно выжившая доля множества кандидатов, проверенных экспериментально, и информативная величина здесь — именно доля успеха. Честное описание нынешнего состояния: генеративный дизайн заметно сжимает пространство поиска и не отменяет необходимости собрать и испытать.

Сервисы на этом уровне добавляют вычисления, курируемые данные и конвейеры. Научное содержание во всех случаях одно: модели — машины вывода по эволюционной летописи, глубина которой у разных мишеней различается колоссально, и их выводы несут неопределённость этой летописи.