генерация 3D-молекул лекарств с обходом резистентности
schedule 2 мин чтенияобновлено
Мультимодальная модель для de novo (с нуля) проектирования трехмерных молекул лекарственных препаратов внутри белковых полостей. Система объединяет языковую модель белков ESM-2 от Meta AI и эквивариантный поток SE(3)-Equivariant Flow Matching (генеративный метод, сохраняющий пространственную симметрию при размещении атомов в 3D), разработана исследователями из университета VIT-AP совместно с институтом CSIR-IICT. В отличие от классических методов докинга и генераторов текстовых формул SMILES, модель учитывает эволюционную пластичность белков и создает гибкие молекулы, которые продолжают работать даже при возникновении мутаций лекарственной устойчивости. Пригодится биоинформатикам, вычислительным химикам и исследователям в области драг-дизайна.
Ключевые особенности
Гибридная иерархия: использует энкодеры ESM-2 (3B и 650M параметров) для анализа белковых карманов, а итоговый инференс-чекпоинт сжат до 6,92 млн параметров (26,42 МБ в формате SafeTensors).
Обход мутаций: моделирует точечные мутации резистентности (например, Y96D в KRAS G12C, KatG S315T при туберкулезе, C797S и T315I) и адаптирует геометрию лиганда под измененный активный центр.
Физическая валидность: встроенный фильтр PoseBusters и консервативное силовое поле проверяют длины связей, углы и отсутствие стерических конфликтов (98,4% валидных структур).
Проверка на токсичность: включает виртуальный скрининг против нормальных диплоидных клеток человека (легких MRC-5, почек HEK-293 и эндотелия HUVEC) и планировщик ретросинтеза из доступных реагентов.
Что можно сделать
Проектировать ингибиторы под мутантные мишени: подать на вход кристаллографическую структуру белка в формате PDB или предсказание AlphaFold, чтобы сгенерировать 3D-лиганды, устойчивые к вторичным мутациям.
Оценивать аффинность и синтезируемость: использовать встроенные головы кросс-внимания и графовых нейросетей (GIN + GATv2) для прогнозирования энергии связывания (pKd) и сложности химического синтеза (SAScore).
Конструировать PROTAC-деградаторы: автоматически добавлять линкеры и лиганды E3-убиквитинлигаз (VHL, Cereblon) для превращения обычных ингибиторов в направленные разрушители белков.
Пример
Сценарий пайплайна из карточки: на вход подается структура целевого белка (PDB / AlphaFold), энкодер ESM-2 извлекает эволюционные эмбеддинги каталитического кармана, модуль SE(3) Flow Matching генерирует 3D-координаты атомов лиганда, после чего кандидаты проходят проверку PoseBusters, оценку токсичности на здоровых клетках и получают маршрут органического синтеза в 3–4 шага.
ПодробнееБенчмарки (PDBbind 2020 / PoseBusters): R² аффинности связывания 0.964 (против 0.792 у TargetDiff), RMSE 0.210 log Kd, химическая валидность 99.8%, доля легко синтезируемых молекул (SAScore < 3.5) — 94.2%. Скорость работы: задержка инференса P99 на GPU A100 составляет 4.2 мс; итоговый файл весов model.safetensors весит 26.42 МБ и подходит для запуска на CPU/GPU. Валидация: топовые кандидаты синтезированы с чистотой >99% (HPLC) и проверены в лабораторных тестах CSIR-IICT для 14 мишеней, включая туберкулез (AETH-INHA-002), рак ротовой полости (AETH-EGFR-001) и малярию (AETH-MAL-001).
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# Premchan369/aether-rami-esm2-diffsbdd — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve Premchan369/aether-rami-esm2-diffsbdd --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии