Az NVIDIA új modellje egyszerre tervez fehérjéket és térszerkezeteket

Egy modellben készül a szekvencia és a szerkezet

Az RFD4-Proteina az NVIDIA BioNeMo modellje, amelyet a Washingtoni Egyetem School of Medicine intézetének Institute for Protein Design kutatóival közösen fejlesztettek. A modell a természetben megfigyelt mintázatok alapján navigál a lehetséges fehérjék hatalmas terében. A forrás szerint már egy nyolc aminosavból álló szekvenciánál is több mint 25 milliárd kombináció lehetséges, egy 100 aminosavas szekvencia esetében pedig a lehetőségek száma meghaladja a megfigyelhető univerzum atomjainak számát.

A rendszer a Proteina-Complexa részben látens megközelítésére épít, és a fehérjeváz explicit koordinátáit, valamint a látens reprezentációt, a tanult szekvencia- és atomi változókat kombinálja. Autoenkóderének dekódere a szekvenciát és a teljes atomos szerkezetet együtt állítja elő. Ezzel elhagyható a korábbi munkafolyamatokban szükséges külön inverz hajtogatási lépés, amelyhez például a ProteinMPNN használható.

A keresés a legígéretesebb jelöltekre koncentrál

A jutalomvezérelt keresés során a modell zajtalanítja a generálási trajektóriákat, szerkezeteket készít, majd értékeli azokat. A magasabb pontszámot elérő részleges állapotokat megtartja és továbbágaztatja, amíg a generálási feltételek teljesülnek. A jutalmak geometriát, kölcsönhatásokat vagy független előrejelzési megbízhatóságot is mérhetnek.

Az NVIDIA szerint az RFD4-Proteina több okból gyorsabb és takarékosabb az RFD3-nál. A modell aminosavszintű, vagyis reziduumszintű látens reprezentációval dolgozik az atomszintű helyett, így elkerüli a memóriaigény gyors növekedését. A diffúziós folyamat mintavételezése a Proteina-Complexa körülbelül 400 lépéséről 60-ra csökkent. A keresésben használt kiértékelők, köztük az OpenFold3 és a fizikai módszereket támogató TMol, CUDA-gyorsítást kapnak.

A forrásban ismertetett, 200 reziduumos generálási benchmark szerint az RFD4-Proteina 3,8-szor gyorsabban generált az RFD3-nál, miközben 84 százalékkal kevesebb csúcsponti lefoglalt memóriát használt.

PD-L1-kötőfehérjék tervezése kétféle hozzáféréssel

Az NVIDIA példája egy onkológiai célpont, a PD-L1 ellen tervezett kötőfehérjéket mutat be. A felhasználó meghatározhatja, mi változhat, minek kell rögzítettnek maradnia, valamint a számítási és kísérleti siker feltételeit. A bemutatott beállítás a célpont szekvenciáját és fehérjeváz-koordinátáit rögzíti, lehetővé teszi az oldalláncok újracsomagolását, és a Tyr56, Met115, valamint Tyr123 hotspotatomjai felé irányítja a kötőfehérje generálását. Az új kötőfehérje hossza 100 és 150 reziduum között lehet.

A bemenetek előkészítésére az NVIDIA az AtomWorks molekuláris adatréteget használja. A Python- és PyMOL-munkafolyamatokkal rögzített atomok, tervezhető reziduumok, hotspotok és molekuláris környezet adható meg. Az open modell és a NIM is támogat annotált CIF-fájlokat, illetve feltételmegadásokat a forrásszerkezettel együtt.

Az RFD4-Proteina elérhető nyílt modellként, amely képzéshez, következtetéshez, módszerfejlesztéshez és a mintavételezési kód közvetlen vezérléséhez használható. A másik lehetőség a NIM mikroszolgáltatás, amely HTTP-felületen kínál gyors következtetést. A BioNeMo Agent Toolkit készségei a generálás, a keresés, az értékelés és az eredmények archiválásának összehangolását is támogatják iteratív tervezési kampányokban.