В журнале Physical Review Letters вышла работа, открывающая новый подход к моделированию движения макромолекул, таких как белки и нуклеиновые кислоты. Ее автор — аспирант Орегонского университета Джесси Холл — предложил математическое уравнение, способное значительно повысить точность упрощенных компьютерных моделей, используемых в материаловедении и биохимии.
Разработка Холла помогает ученым эффективнее изучать поведение молекул в живой клетке — их вращение, взаимодействие и перемещение в вязкой, насыщенной другими молекулами среде. Это особенно важно для понимания биологических процессов, например, репликации ДНК, то есть удвоения генетической информации перед делением клетки. Такие процессы лежат в основе не только нормального функционирования организма, но и многих болезней, включая рак.
Новое уравнение расширяет классическое «соотношение Эйнштейна», применяемое для описания движения частиц. В отличие от прежних моделей, формула Холла учитывает как внутренние колебания молекулы, так и ее внешнее движение в жидкости. Это позволяет настроить вычисления под конкретные условия и получить более достоверные результаты.
Мы хотим понять, как молекулы движутся, скручиваются и функционируют. С помощью этого нового уравнения мы можем моделировать более крупные белковые комплексы и глубже понимать, как эти молекулярные машины работают в организме.
До сих пор исследователи использовали крупнозернистое моделирование — метод, в котором изображается не каждый атом, а только важные фрагменты молекулы. Это снижает нагрузку на суперкомпьютеры, но ограничивает точность. Новый инструмент снимает это ограничение.
Работа выполнена под руководством Марины Гуэнзы, профессора теоретической химии, чья группа уже много лет разрабатывает методы, ускоряющие молекулярные симуляции. Их цель — создание точных моделей, способных предсказывать, как молекулы действуют в живом организме, и тем самым помогать в проектировании новых лекарств и полимеров.
По словам Холла, его уравнение — это шаг к универсальному вычислительному инструменту. Он надеется, что в будущем этот метод пригодится и другим ученым — для решения задач, о которых он пока даже не задумывался.
Искусственный интеллект все активнее включается в разработку биологических решений — от прогнозирования структуры белков до прямого управления генами. Один из недавних примеров — синтетические ДНК-фрагменты, которые ИИ научился создавать для точечного включения и выключения генов в клетках. Подробнее об этом вы можете прочитать в этой статье.
