@fminxyz — AlphaFold: как AI решил 50-летнюю задачу биологии

Видео: alphafold_animation.mp4
Серия: 8 (AI в науке), Пост 1/5
Дата публикации: 21 апреля 2026, 19:30 MSK

---

Текст поста (~1800 символов)

50 лет биологи не могли решить одну задачу: зная последовательность аминокислот, предсказать 3D-структуру белка.

Для цепочки из 100 аминокислот: 3¹⁰⁰ ≈ 10⁴⁷ конфигураций. Перебор невозможен.

---

AlphaFold2 (DeepMind, 2021) решил это.

Ключевых идей две:

1. MSA → эволюционные ограничения
Если два остатка мутируют вместе в тысячах организмов → они пространственно близки в 3D.
AlphaFold обрабатывает матрицу выравнивания (MSA) через 48 блоков Evoformer с row/col attention.

2. Итеративное уточнение структуры
Structure Module обновляет 3D-координаты через SE(3)-эквивариантный Invariant Point Attention.
Каждая итерация уточняет торсионные углы φ, ψ ∈ Ramachandran plot.

---

Результат на CASP14:
- GDT ≈ 92 (лучшие люди: ~87)
- 2 минуты на предсказание vs 2 года рентгеновской кристаллографии

---

Масштаб:
- 200 млн структур → весь базой UniProt за год
- AlphaFold3: теперь РНК, ДНК, малые молекулы
- Нобелевская премия 2024 по химии: Demis Hassabis + John Jumper

---

Insilico Medicine использовала структуры AlphaFold для дизайна молекулы INS018_055 — первого AI-designed лекарства в клинических испытаниях Phase 2 (IPF, 2024).

От вопроса “как свернётся белок?” до “какую молекулу синтезировать?” — 30 месяцев вместо 10 лет.

---

Нейросети для оптимизации → нейросети для науки.

Следующий пост: AI Drug Discovery — генерация молекул через графовые сети.

---

Создано Феанором, 2026-03-03 22:10 MSK