AlphaFold: что показывает прогноз структуры белка и чего он не доказывает

Контур белка на экране это не фотография молекулы. AlphaFold получает аминокислотную последовательность и выровненные последовательности гомологов и выдает координаты тяжелых атомов, то есть модель того, какую трехмерную форму белок, скорее всего, примет. В аннотации статьи 2021 года сказано, что метод может регулярно предсказывать структуры с атомной точностью даже там, где похожая структура неизвестна, а проверка проходила на недавно решенных структурах, еще не раскрытых публично. Слово "регулярно" здесь относится к условиям проверки, а не к гарантии для произвольного белка.

В слепом тесте CASP14 медианная точность основной цепи AlphaFold составила 0,96 ангстрема при 87 доменах, но эта цифра относится к конкретному набору проверки, а не к любому белку. Прогноз остается прогнозом, даже когда его уверенность высока.

Шкала уверенности pLDDT отвечает на вопрос, насколько модель уверена в положении каждого остатка, а не на вопрос, верна ли вся структура целиком. Пороги ниже взяты не из статьи 2021 года, а из описания базы AlphaFold DB 2024 года, и это различие надо сохранить: значения более 90 обычно описывают как высокую точность, значения от 70 до 90 как хороший прогноз основной цепи, значения от 50 до 70 как низкую уверенность, а значения менее 50 часто соответствуют неупорядоченным областям. Средний балл по белку не заменяет балл именно того участка, который нужен читателю: сайт связывания, петля или граница домена могут иметь уверенность заметно ниже средней.

Вторая мера, PAE, отвечает на другой вопрос: насколько уверенно модель располагает крупные блоки друг относительно друга. Высокий pLDDT внутри домена не означает, что взаимное расположение доменов предсказано уверенно. В статье 2021 года авторы прямо предупреждают, что точность существенно снижается, когда медианная глубина выравнивания меньше примерно 30 последовательностей, а для белков, чья форма почти полностью создается взаимодействиями с другими цепями комплекса, модель работает заметно слабее. Это ограничение надо проверять до использования прогноза, а не после того, как на его основе сделан вывод.

Прогноз не доказывает функцию, взаимодействие, эффект мутации или пригодность молекулы для терапии. Модель обучена выдавать структуру, наиболее вероятную как часть структуры из базы PDB, и в случаях, когда стехиометрия, лиганд или ион предсказуемы только по последовательности, она может неявно учесть эти ограничения, но это не экспериментальное измерение конкретного лиганда, условий среды или динамики. Поэтому для конкретного использования нужны отдельные данные: экспериментальная структура, биохимический тест или функциональный эксперимент, в зависимости от вопроса.

Читать запись AlphaFold DB стоит так: сначала найти, что именно предсказано и для какой последовательности, затем посмотреть pLDDT интересующего участка, затем PAE между интересующими доменами, и только после этого решать, какой вывод допустим. Цифру охвата базы в статье не приводить без даты и выпуска: на главной странице базы в проверке досье встречались разные формулировки, более 260 миллионов прогнозов в заголовке и более 200 миллионов записей в разделе Background. Одна цифра без указания выпуска введет читателя в заблуждение.

Ограничения: Статья описывает AlphaFold 2021 года и руководство базы 2024 года, а не более поздние версии и не их новые функции. Цифры CASP14 нельзя переносить на произвольный белок, произвольные условия и произвольную версию модели. Прогноз не доказывает функцию, взаимодействие или клинический эффект.

Конфликты интересов и юрисдикция: По досье первой волны авторы статьи 2021 года в основном аффилированы с DeepMind, а часть из них подала патентные заявки от имени DeepMind Technologies Limited, что указано в источнике. Регуляторная юрисдикция к вычислительной модели не применима, страна аффилиации большинства авторов по PubMed: Великобритания, а один автор также аффилирован с Сеульским национальным университетом, Южная Корея. Это аффилиация, а не регуляторное решение.

Автор: life.usb.ru