Nvidia представила новую стратегию, которая ускоряет предсказание структур белков на масштабе всего протеома. Благодаря интеграции AlphaFold-Multimer и мощным GPU H100, возникла возможность обрабатывать колоссальное количество белковых комплексов за короткое время, что будет полезно для исследователей в области системной биологии и разработки лекарств.
Проблемы с предсказанием структур
структура большинства белковых комплексов остается недоступной. Хотя AlphaFold и его база этих белковых структур (AFDB), созэта в сотрудничестве Google DeepMind и EMBL-EBI, значительно улучшили доступ к структурной информации для мономерных белков, анализ комплексов — задача более сложная. Основные препятствия включают в себя: огромная комбинаторная сложность взаимодействий, высокая вычислительная стоимость генерации MSA и необходимость в точной калибровке уверенности.
Новые достижения Nvidia
Nvidia разработала высокопроизводительный pipeline для предсказания однородных и неоднородных белковых комплексов, используя ускорение от MMseqs2-GPU для генерации MSA и TensorRT для предсказания белковых структур. В результате повысилась скорость обработки и точности предсказаний, что позволяет проводить более комплексные исследования. В этом подходе также была реализована модульная система, отделяющая генерирование MSA от предсказания структуры, что повысило эффективность работы до 50%.
Полное использование GPU в кластерах HPC позволило значительно расширить возможности анализа и минимизировать время ожидания результатов. Методология была протестирована с использованием DockQ для валидации точности новых моделей, показывая сопоставимые результаты с теми, что получили на базе ColabFold и OpenFold.
Значение для научного сообщества
Эти новые достижения открывают путь к широкому использованию предсказаний белковых структур в исследовательских проектах, включая системную биологию и открытие препаратов. Компании и исследовательские группы получат возможность создавать высоконадежные модели белковых комплексов для более глубокого понимания биохимических процессов. Это может привести к значительному ускорению в разработки новых лекарств и терапий.
В будущем планируется расширение функциональности системы для большей специфики в предсказаниях взаимодействий между белками.