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.