Масштабируемое моделирование равновесных ансамблей белков с помощью генеративного глубокого обучения

После революций в области последовательностей и структур предсказание функционально значимых изменений структуры белков в больших масштабах по-прежнему остается актуальной нерешенной задачей. Мы представляем BioEmu — систему глубокого обучения, которая моделирует равновесные ансамбли белков, генерируя тысячи статистически независимых структур в час на одном графическом процессоре (GPU). BioEmu объединяет более 200 миллисекунд моделирования методом молекулярной динамики (MD), статические структуры и экспериментальные данные о стабильности белков с использованием новых алгоритмов обучения. Система воспроизводит разнообразные функциональные движения, включая образование скрытых карманов, локальное разворачивание и перестройки доменов, а также предсказывает относительные свободные энергии с точностью 1 килокалория на моль по сравнению с моделированием методом молекулярной динамики в миллисекундном масштабе и экспериментальными данными. BioEmu обеспечивает механистическое понимание, совместно моделируя структурные ансамбли и термодинамические свойства. Этот подход позволяет амортизировать затраты на получение данных молекулярной динамики и экспериментальных данных, демонстрируя масштабируемый путь к пониманию и конструированию функций белков.