Современные нейросети, такие как AlphaFold 3, научились предсказывать структуру белков и их комплексы с молекулами — это открыло новые возможности для создания лекарств. Однако ученые Московского физико-технического института проверили четыре популярных алгоритма и обнаружили, что они допускают систематические ошибки.
Исследователи протестировали AlphaFold 3, Boltz-2, Chai-1 и Protenix-v1 на простых молекулах — метиламине и уксусной кислоте. Они способны существовать как в нейтральной, так и в заряженной форме. Оказалось: предсказания алгоритмов зависели не от заряда молекулы, а от того, в каком формате поданы данные.
Особое беспокойство вызвала геометрия предсказанных структур. Длины связей оказались систематически короче реальных. Одна из программ «сжала» связь до 0,0075 нм, хотя даже по скромным меркам она должна быть в десять раз длиннее. Это значит, что нейросеть может генерировать молекулы с физически невозможной геометрией и ошибаться в предсказании их поведения в организме.
Современные нейросети обещают решать задачу за несколько часов или даже минут. Но есть одно «но»: ИИ не учитывает важную деталь — электрический заряд молекул. Тесты показали, что даже для простейших молекул нейросети дают несогласованные результаты. Ни один из четырех методов явно не выделился по качеству. Полученные результаты следует интерпретировать с осторожностью
Авторы подчеркивают: ИИ-модели должны выдавать одинаковый результат независимо от формата входных данных, а при обучении важно учитывать, что молекулы могут менять заряд. Исследование опубликовано в виде препринта на bioRxiv. Все данные и модели находятся в открытом доступе.
Ранее Наука Mail писала о том, что в МГУ нейросеть обучили определять свойства веществ по одной формуле.