AlphaFold не решил сворачивание белков: что на самом деле осталось за кадром

Новости любят простые формулы: «сворачивание белков решено». Но когда за один стол садятся Пушмит Кохли из Google DeepMind и Сэл Кандидо из Biohub, разговор получается куда осторожнее. Разберём, почему сворачивание белков AlphaFold закрыл лишь частично и какие уроки из этого стоит вынести всем, кто строит модели, в том числе за пределами биологии.

Что на самом деле решил AlphaFold

Кохли говорит прямо: на концептуальном уровне прогресс есть, но мы по-прежнему не знаем ни истинного основного состояния белка, ни реального распределения структур, которые белки принимают. По сути, AlphaFold получает структуру, которую кто-то определил и положил в PDB, и учится воспроизводить именно её. Это полезно, но это не равно пониманию динамики.

Белки не «строительные блоки». Они пластичны, частично неупорядочены и меняют форму в зависимости от контекста. Кандидо предлагает образ: нынешние модели описывают одну спицу, тогда как людям нужен целый велосипед. Задачи функции, динамики и дизайна остаются открытыми, и сворачивать финансирование этого направления, по словам Кохли, рано: «мы только в начале пути».

«Горький урок» для данных

Модераторы начали с вопроса, существует ли «горький урок» Саттона применительно к данным. Кандидо отвечает, что законы масштабирования не растут на каждой грядке: значительная часть работы состоит в том, чтобы найти ситуацию, где больше данных и вычислений действительно даёт выигрыш. Когда такой закон найден, остаётся инженерия.

Но есть ловушка: моделисты берутся за задачи, для которых данные под рукой, а не за самые важные. Кандидо честно признаётся, что обучает языковые модели белков на метагеномных последовательностях, где многое даже не полноценные белки, и это всё равно помогает. Однако масштабировать просто доступное неправильно. Нужно спрашивать, какие данные необходимы для задачи, и работать открыто с сообществом: если модели строят одни, а данные генерируют другие, каждый тянется к своему удобному краю.

Его трактовка урока: он не про «данные важнее» или «архитектура важнее», а про догматизм. Не будьте «моделистом» или «специалистом по данным». Проблема главная, пространство решений гибкое. Для AlphaFold усилия вложили в модель, потому что расширить PDB на порядок было невозможно. В геномике клетки, напротив, стало ясно, что данных пока не хватает для виртуальной клетки.

Ремесло против масштаба

AlphaFold 2 часто называют произведением искусства из аккуратно подобранных вручную решений. Кохли возражает: это была не случайность, а научная интуиция из биофизики. Взаимодействия аминокислотных остатков зависят от других остатков, это заложили в архитектуру и дали модели «несправедливое преимущество», сделав её намного эффективнее по данным. Кураторство тоже искусство: дублирование данных ничего не даёт, важны хорошие данные и нужный охват.

Кандидо добавляет контраргумент: мастерство есть и в масштабировании. Индуктивное смещение помогает при малых данных, но при росте объёма может тормозить, если было не вполне верным. Мы не живём в посттрансформерном мире, но адаптируем архитектуры под задачу и под данные интернет-масштаба. Поэтому есть переломный момент, и важно уметь замечать его.

Доверие важнее интерпретируемости

Самая практичная часть беседы касается понимания моделей. Кохли подчёркивает: даже при 95 GDT модель, у которой pLDDT не откалиброван, никто бы не стал использовать. Калибровка неопределённости оказалась критичной. Пользователь обязан знать сильные и слабые стороны модели, иначе она навредит, а не поможет. Показательно и то, что AlphaFold 2 после публикации весов неожиданно оказался хорош в предсказании неупорядоченных участков, то есть обобщал сильнее, чем ожидали авторы.

Кандидо смотрит с другой стороны: внутри моделей больше информации, чем мы думаем. Интерпретируемость показывает следы функции и движений, а сжатая эволюционная информация похожа на своего рода модель мира. Спор, по сути, о том, интерпретируемость для кого: для человека с ограниченным мозгом или для более крупной модели, которой можно дать доступ к активациям.

Что дальше

Когда ждать лекарство, созданное ИИ? Оба уходят от точной даты. ИИ уже участвует на всех стадиях разработки лекарств, а настоящее ускорение в 10–100 раз потребует решить сложные биологические задачи и построить лучшие биологические модели. Кандидо напоминает полезный приём: думать о десятикратном улучшении, а не о десяти процентах, потому что это заставляет вернуться к основам. Нужны оба подхода.

Вывод

Главный урок разговора универсален: определите проблему раньше инструмента, честно назовите ограничения по данным и вычислениям, откалибруйте доверие к результату и не принимайте удобный бенчмарк за саму задачу. Для биологии это значит, что «решённое» сворачивание белков лишь расчистило площадку для настоящей работы с динамикой и функциями.