Прогнозування тривимірну будови білків-мішеней з використанням моделі штучного інтелекту DeepMind AlphaFold 3

Abstract

Нейронна мережа AlphaFold 3 стала проривом у прогнозування третинної будови білка на молекулярному рівні. Точність таких прогнозів відіграє ключову роль у розробці нових ліків, зокрема в контексті інгібіторів, що зв'язуються з активним центром протеази. Окрім того, отримані структури можуть значно покращити розуміння механізмів антибіотикорезистентності, що відкриває нові горизонти в боротьбі з інфекціями. В роботі показано, що AlphaFold 3 продемонстрував свій потенціал як потужний інструмент для розвитку терапевтичних стратегій, підвищуючи ефективність пошуку ліків та покращення результатів досліджень у біології та фармацевтиці. Однак є потенціал для подальшого вдосконалення методу, що дозволить ще точніше прогнозувати структури для більш складних молекул.

The AlphaFold 3 neural network was a breakthrough in predicting the tertiary structure of a protein at the molecular level. The accuracy of such predictions plays a key role in the development of new drugs, particularly in the context of inhibitors that bind to the active site of the protease. In addition, the obtained structures can significantly improve the understanding of the mechanisms of antibiotic resistance, which opens new horizons in the fight against infections. The thesis shows that AlphaFold 3 has demonstrated its potential as a powerful tool for the development of therapeutic strategies, increasing the efficiency of drug discovery and improving the results of research in biology and pharmaceuticals. However, there is potential for further improvement of the method, which will allow even more accurate prediction of structures for more complex molecules.