Чат с белками: как нейросети меняют науку
19 ноября 2026
Чат с белками: как нейросети меняют науку
«Уметь сопоставлять разную информацию — это очень важная черта для ученого», — уверен заведующий Лабораторией структурного анализа и инжиниринга мембранных систем Иван Гущин.
Рисунок в максимальном разрешении.
-
Авторы
-
Редакторы
Что такое биоинжиниринг, как вырастить белковый кристалл и сделать мембранный белок растворимым? А что будет, если создать искусственный белок с лучшими свойствами на базе уже существующего и «посоветоваться» относительно его перспектив с нейросетями? На эти и многие другие вопросы ответил герой нового интервью спецпроекта «Биология в России», кандидат физико-математических наук, заведующий Лабораторией структурного анализа и инжиниринга мембранных систем МФТИ Иван Гущин.
Биология в России: люди и открытия
Обычно, когда говорят о научных открытиях, особенно в биологии, имеют в виду хорошо финансируемые научные учреждения «первого мира», а о России если и вспоминают, то лишь в свете лучей былой славы. Переломим же этот тренд и расскажем, что не перевелись еще науки о жизни на земле русской! С патриотизмом в душе в хорошем смысле этого слова, в этом спецпроекте поговорим с нашими современниками — исследователями из России, изучающими основы жизни: от молекулярных биологов до зоологов и ботаников. Здесь вас ждет серия интервью — как текстовых, так и в форме научно-популярных фильмов, образующих серию «Суперлаба».
Спецпроект реализуется при поддержке Министерства науки и высшего образования Российской Федерации в рамках инициативы «Десятилетие науки и технологий».
Партнер спецпроекта — компания BioinnLabs.
Министерство образования России активно содействует популяризации науки, поддерживает молодых исследователей и формирует передовую инфраструктуру для отечественных институтов и университетов.
«Десятилетие науки и технологий» — это масштабная государственная инициатива в России, проводимая с 2022 по 2031 год. Проект включает в себя комплекс инициатив, проектов и мероприятий. Все они направлены на усиление роли науки и технологий в решении важнейших задач развития общества и страны.
Компания BioinnLabs обеспечивает научно-исследовательские лаборатории высококачественными реагентами собственного производства и передовым оборудованием для биотехнологических и медицинских задач.
Иван Юрьевич Гущин — структурный биолог, выпускник МФТИ, кандидат физико-математических наук, обладатель премии Европейской Академии для молодых ученых. Написал более 50 научных работ и оформил два патента; индекс Хирша — 31, количество цитирований превышает 2500.
В 2009 году Иван окончил бакалавриат МФТИ, в 2011 — магистратуру. Затем уехал на стажировку в Институт структурной биологии Университета Гренобль-Альпы, где получил степень PhD по теме структурных исследований микробных родопсинов и других мембранных белков методами рентгеновской кристаллографии и компьютерного моделирования. Научную работу продолжил в Институте сложных систем Юлихского исследовательского центра (Германия), где продолжил изучать мембранные белки. С 2016 года возглавляет Лабораторию структурного анализа и инжиниринга мембранных систем Центра исследований молекулярных механизмов старения и возрастных заболеваний МФТИ; является заместителем директора этого Центра.
«Мы анализируем структуры белков и пытаемся их инжинирить», — рассказывает о своей работе Иван. Впрочем, белковая инженерия — относительно новое направление [1], а до этого в лаборатории изучали различные рецепторы, в частности, бактериальный сенсор нитратов NarQ, или рецепторы синего света из семейства доменов LOV.
Сейчас научная группа Ивана Гущина занимается белковой инженерией, модифицируя уже существующие белки, а также создавая новые с заранее определенными свойствами. Это похоже на инженерное дело, только вместо деталей — молекулы. Кроме научной работы и руководства лабораторией, Иван читает научно-популярные лекции и ведет телеграм-канал о структурной биологии. В 2019 году на «Биомолекуле» уже выходила статья о жизни и работе структурных биологов из МФТИ («Лаборатория структурного анализа и инжиниринга мембранных систем МФТИ: в любой непонятной ситуации — моделируй!» [1]) — пришло время посмотреть, что изменилось за эти годы.
Идя на встречу с Иваном, мы думали, что попадем в современный центр, где вместо привычного исследовательского оборудования стоят компьютеры с мощнейшими процессорами. Однако до завоевания научных лабораторий нейросетями еще далеко. Компьютеры в лаборатории, конечно, есть, но кристаллография (исследование атомного строения при помощи рентгеноструктурного анализа) до сих пор остается одним из ведущих методов работы. Тем не менее, мы подробно расспросили Ивана про сотрудничество с искусственным интеллектом и узнали, какие навыки, по его мнению, важны ученым в условиях нарастающей конкуренции с нейросетями.
Хотя лаборатория Ивана Гущина занимается структурной биологией, ее помещения располагаются в корпусе прикладной математики Московского физико-технического института (МФТИ или, как его чаще называют, Физтеха). Причина такому необычному соседству проста: «Раньше МФТИ был образовательным университетом, — рассказывает Иван, — но в начале 2000-х годов стала развиваться идея, что российские университеты должны заниматься исследованиями, и МФТИ стал вливаться в это течение. Со временем наш Центр разросся до восьми лабораторий, а такое большое пространство нашлось только в этом корпусе».
За сложным названием Лаборатории структурного анализа и инжиниринга мембранных систем скрыт большой фронт работ по изучению белков, их свойств и методов модификации (создание новых белков на основе природных). Это одно из самых перспективных направлений не только российской, но и мировой биоинженерии, поэтому у научной группы Ивана Гущина много публикаций в международных научных журналах, а также совместных проектов с исследователями из разных стран.
Как именно устроена эта работа, можно увидеть на примере исследований самой лаборатории — здесь изучают белки на уровне отдельных атомов: сотрудники выращивают кристаллы белков, облучают их рентгеновскими лучами и по дифракционной картине восстанавливают трехмерную структуру молекулы. Затем они исследуют свойства белков: как те связывают другие молекулы, реагируют на свет, насколько устойчивы к нагреванию и так далее. Зная структуру, ученые целенаправленно модифицируют белки, чтобы получить варианты с нужными свойствами. Модифицированные аналоги белков получают и нарабатывают в клеточных системах, в первую очередь, в клетках бактерии E. coli.
Белки под микроскопом
Белки интересны тем, что без них клетка не может функционировать: они катализируют многочисленные реакции, переносят питательные вещества, передают сигналы и запускают нервные импульсы. Особое внимание в лаборатории Ивана уделяют мембранным белкам: они регулируют обмен между клеткой и внешней средой, поэтому отлично подходят в качестве мишеней для исследований и/или потенциальной лекарственной терапии.
Понимая, как устроены белки, можно разобраться в причинах многих болезней; узнать, как работают органы и системы организма; разработать более эффективные лекарства. Применение модифицированных белков огромно. Например, их можно использовать как флуоресцентные метки (рис. 2) для наблюдения за процессами в клетках или как ферменты в промышленности и медицине, а также в качестве светочувствительных инструментов для управления клетками — это направление исследований называется оптогенетикой. Кстати, недавно (5 октября 2026 года) Карл Дейссерот, Петер Хегеманн и Георг Нагель получили Нобелевскую премию по физиологии и медицине за работу, связанную со светочувствительными белками, позволяющими воздействовать на нейроны головного мозга (подробности читайте в статье «Нобелевская премия по физиологии и медицине 2026: куда приводит интерес к водорослям (спойлер: к оптогенетике)» [2]). С помощью белка канального родопсина, открытого Хегеманном и Нагелем, ученым удалось научиться «включать» и «выключать» нейроны. Этот метод уже применяют в первых попытках лечить слепоту. Для любой лаборатории, которая работает со светочувствительными белками, это очень важное событие.
Оксана Горяйнова (ОГ): Иван, расскажите, пожалуйста, на чем сейчас сфокусирована основная работа лаборатории?
Иван Гущин (ИГ): Сейчас наша лаборатория в основном занимается структурным анализом и инжинирингом. Восемьдесят процентов работы — это рентгеноструктурный анализ. Мы выращиваем кристаллы белка, получаем их структуры и смотрим, что с ним может связываться. Наши любимые объекты — флавинсвязывающие белки и родопсины (рис. 1) [3], связывающие ретиналь, которые используют в оптогенетике.
Рисунок 1. Несколько любимых молекул. Электронная плотность вокруг ретиналя в кристаллической структуре микробного родопсина (слева) и логотип МФТИ, сделанный с помощью флуоресцентного белка CagFbFP (посередине). Справа — его структурная, показывающая связанный кофактор, отвечающий за свечение.
коллаж Анны Ремиш по фотоматериалам Лаборатории и статье Ивана Гущина и его коллег [3]
Если говорить только о нашей части работы, то основная задача — это вырастить кристалл (видео 1). Однако неизвестно, в каких именно условиях он вырастет, поэтому приходится заниматься массовым скринингом. Для этого мы используем планшеты на 96 проб, в которые капаем от 100 до 500 нанолитров белка, смешиваем его с разными растворами (варьируем концентрацию соли и pH) и надеемся, что в какой-то пробе вырастет кристалл. Поскольку раскапать руками такое количество очень тяжело или почти невозможно, у нас есть кристализационный пипетирующий робот (liquid handling robot, видео 1).
Далее мы проверяем пробы, которые хранятся в автоматизированном хранилище с микроскопом (видео 1). Сверху у него находится магазин на 1000 проб, внутри — автоматическая рука, которая может поднимать плашку с пробами и нести ее вниз, где расположен микроскоп, фотографирующий наши лунки по расписанию. Мне остается только прийти и проверить на компьютере состояние проб (видео 1).
Видео 1. Иван Гущин показывает, как в лаборатории выращивают кристаллы и какое оборудование для этого используют.
монтаж и съемка Анны Ремиш
Когда я нахожу пробу с кристаллом, у меня есть возможность посмотреть ее фотографии в разный момент времени. Это помогает отследить стадии роста кристалла и отличить его от кристаллов соли (последние растут очень быстро, что хорошо видно по фотографиям).
Далее мы используем рентгеновское излучение, чтобы получить дифракционные картины, и на их основе построить трехмерную модель белка, образовавшего кристалл. Можем сделать это соседней комнате, где стоит дифрактометр (рис. 2А), или поехать на синхротрон.
У нас стоит неплохой источник рентгена (рис. 2А), но если нужен более мощный (это часто требуется, так как мы получаем кристаллы сложных белков, которые плохо дифрагируют), придется лететь на синхротрон в Шанхай или в Бразилию. Когда-то давно мы дружили с европейским синхротронном в Гренобле, где я учился в аспирантуре, и до сих пор дружим с синхротроном Дези (DESY) в Германии (рис. 2Б). Очень надеюсь, что скоро в Новосибирске начнет работу отечественный кольцевой источник фотонов, и не придется так далеко ездить. Над ним работают очень крутые физики, поэтому по некоторым параметрам он будет даже лучше зарубежных.
Анна Ремиш (АР): Кстати, раньше ваша лаборатория много сотрудничала с европейскими институтами. Как сейчас обстоят дела с международным сотрудничеством?
ИГ: По-разному. Многое зависит от организации. Некоторых наших коллег действительно обязали написать письмо о том, что они прекращают с нами официальную коммуникацию. При этом мы продолжаем поддерживать контакты с университетами — очередная совместная статья вышла совсем недавно [6]. Но в целом, все очень индивидуально. Есть ученые, которые боятся за свою карьеру, — они не рискуют. Другие считают, что наука превыше всего, поэтому живут по своим правилам.
АР: Если я вас правильно поняла, то европейские коллеги готовы идти на риск, чтобы с вами сотрудничать?
ИГ: Мы делаем много интересных вещей. У нас работает много умных людей, а они иногда ищут толковых ребят для своих университетов. И периодически спрашивают, нет ли у нас хороших кандидатов в аспирантуру… Существует стереотип, что российские студенты молодцы, хорошо работают и не отвлекаются на тусовки.
АР: После окончания Физтеха вы довольно долго учились и работали за границей. Какие подходы, с которыми вы познакомились в европейских университетах, вам настолько близки, что вы придерживаетесь их в своей лаборатории?
ИГ: Все-таки я работал в лаборатории Валентина Ивановича Горделия [7], который также был вдохновителем создания нашего Центра — то есть в русскоязычном окружении, из-за чего не полностью погрузился в местную культуру. Большая разница между Европой и Россией заключается в том, что в Европе есть некие заданные на государственном уровне ставки научных работников, которых хватает на жизнь. Когда ты поступаешь в аспирантуру, то знаешь, что на три года государство гарантирует тебе финансирование. При этом во Франции, где четко соблюдают минимальную оплату труда, я, как аспирант, получал примерно столько же, сколько мои сверстники, зарабатывающие ремонтом дорог. На уровне зарплат получается, что ценность труда аспиранта, занимающегося научной работой, и человека, который копает траншеи, примерно одинакова. Тем не менее, это дает некую стабильность и снимает стресс, а также зависть к другим аспирантам или лабораториям: ты зафиксировался на условные три года, поэтому относительно спокойно живешь и работаешь.
В России в этом плане почти что дикий капитализм, и некоторые аспиранты могут получать больше, чем в ЕС. Одновременно с этим, ты можешь работать, даже если в лаборатории нет денег на полноценную зарплату (в Европе волонтерство или работа на малые доли ставки почти невозможны). Хорошо это или плохо — философский вопрос. Российский подход может дать время наработать базу и опыт, но, с другой стороны, порождает истории, когда люди хронически получают мало денег и не могут выйти на более высокий уровень. Правда, ситуация тоже меняется: уже несколько лет в МФТИ студент магистратуры не может получать меньше 30 т.р. в месяц, а аспирант — меньше 50.
Что касается научных подходов... Мне кажется, это больше зависит от конкретной лаборатории, а не от страны. Многое определяет заведующий лабораторией, он же задает стиль работы. Плюс у них есть так называемый институт постоянных позиций, на которые все стремятся, а попав, расслабляются.
Если исходить из моего опыта, то в первое время в аспирантуре в Гренобле у меня разбегались глаза: классное оборудование, синхротрон (кольцевой циклический ускоритель заряженных частиц, рис. 2) под боком. Я очень хотел работать всю неделю, включая выходные. Однако это желание разбилось о правила: если тебе надо задержаться в институте после восьми вечера, пиши заявку с объяснением цели работы. То же самое касается выходных: хочешь работать — пиши. Сначала меня это удивляло, но потом я понял, что большинство сотрудников науку любит, но не горит ею. Если оценивать целеустремленность, то во Франции окружение было слабее, чем в МФТИ. Также я заметил, что в этой стране ученые в каком-то смысле менее уважаемы, чем врачи или инженеры, и зачастую им не свойственно много или хотя бы импульсно много работать. А у нас, когда горит дедлайн — все работают, невзирая на выходные.
АР: В общем, у нас ученые находятся в постоянном тонусе.
ИГ: Безусловно. Кроме того, в Европе работу оценивают реже: один раз в три года или даже в пять лет. Таким образом, поступив в аспирантуру, можно вообще ничего не делать и получать зарплату. Правда, потом работу уже не найдешь, так как будет нечего показать. То же самое с лабораторией: у команды есть пять лет, чтобы выпустить одну хорошую статью. В России все по-другому: финансирование выдают под результат — через год у тебя должны быть три статьи, поэтому мы дробим свою работу и вместо одной статьи раз в пять лет рассказываем об исследованиях по кусочкам. Это не означает, что чья-то наука лучше или хуже — просто разные подходы.
От дизайна до кристалла: как изучают и модифицируют белки
Чтобы увидеть структуру белка, его нужно получить в виде кристалла, а затем облучить рентгеновскими лучами [8]. Получается что-то вроде трехмерной карты расположения всех атомов, по которой можно построить трехмерную модель (рис. 3). Основная проблема заключается в том, что не все белки легко кристаллизуются — есть «капризные», поэтому иногда ученые работают годами, чтобы получить нужный результат. В среднем, рост кристалла белка может занимать от недели до года. Если в лаборатории изучают светочувствительные белки, то нужно выяснить, как меняется их форма и свойства под воздействием света — в этом случае растить кристаллы придется еще и в разных условиях.
Рисунок 3. Флавинсвязывающие белки — перспективные инструменты для микроскопии. Иван и его коллеги получили 22 флуоресцентные метки, созданные на основе термостабильного LOV-домена флуоресцентного белка CagFbFP. Исследователи показали возможность их использования для проведения многоцветной визуализации.
[3], коллаж Анны Ремиш
Зная структуру белка, его можно целенаправленно изменять, «подкручивая» отдельные «детали», чтобы получить нужные свойства: например, сделать его чувствительным к свету другого цвета или заставить выполнять новую функцию. Для этого применяют молекулярное моделирование [9] — метод, позволяющий изучать поведение молекул на атомарном уровне. Он требует больших вычислительных мощностей, поэтому для таких задач используют высокопроизводительные вычислительные системы, оснащенные графическими процессорами GPU (Graphics Processing Unit).
Отдельный инструмент — нейросеть AlphaFold, о которой Иван будет рассказывать ниже . Эта разработка компании DeepMind (сейчас входит в состав Google) с высокой точностью предсказывает трехмерную структуру белка на основе аминокислотных последовательностей — задача, над которой ученые работали более 50 лет . За этот прорыв разработчики AlphaFold Демис Хассабис и Джон Джампер получили Нобелевскую премию по химии в 2024 году, которую разделили с Дэвидом Бейкером (занимается дизайном белков) .
Узнать научные подробности о работе AlphaFold можно из статьи «AlphaFold 3: как диффузионные модели пришли в предсказание структуры белков» [10], а также в спецпроекте, посвященном использованию ИИ в биологии: «Как языковые модели покорили мир белков» [11], «От структуры к функции: революция ИИ в белковом дизайне» [12] и др.
Подробно и обстоятельно о тонкостях белкового редизайна, которым занимаются в том числе в лаборатории Ивана Гущина, написано в статье «Ре(дизайн) промышленных и терапевтических белков: от слепого перебора к навигации в белковой вселенной» [1].
О Нобелевской премии по химии, которую в 2024 году вручили «за вычислительный дизайн белков и предсказание их структуры» читайте в статье «Несуществующие в природе белки́ — за что вручили Нобелевскую премию по химии (2024)».
АР: Раньше вы занимались изучением структуры белков, а теперь перешли к их инжинирингу. Почему решили сменить направление работы?
ИГ: Основной прорыв в нашей научной области произошел в 2021 году, когда появился публичный доступ к AlphaFold 2. Это освободило нас от огромного количества рутинной работы по кристаллизации. Теперь, если мы видим, что белок похож на уже известные, можем не изучать его досконально, а запустить программу и получить нужный ответ.
Мы начинаем кристаллизацию только с действительно интересными и важными белками, по которым искусственный интеллект не дает внятного ответа. Благодаря AlphaFold появилась возможность не тратить время и деньги на эксперименты с кристаллизацией, а оценить перспективы придуманного нами белка на компьютере. Можно сказать, что белковая инженерия — наша текущая любовь.
АР: С какими белками сейчас работаете?
ИГ: Мы начали с простых модельных объектов — «кошечек», как мы называем их в честь известного фильма Леонида Гайдая «Операция „Ы“ и другие приключения Шурика», в котором была фраза «тренируйся на кошечках». Первым был проект по модификации флавинсвязывающего флуоресцентного белка [14], который доказал, что наш метод отлично работает. Мы сделали аналог этого белка, поменяв половину аминокислот, а он все равно продолжал функционировать. Еще пять лет назад это было бы удивительным результатом, ведь некоторые белки «ломаются» всего от одной мутации, а наш выдержал гораздо большее количество замен.
Еще был проект с Николаем Случанко по каротиноид-связывающему белку AstaP. Ранее никому не удавалось получить его структуру с помощью кристаллографии — была только структура, полученная с помощью ядерного магнитного резонанса. Нашей задачей было посмотреть, можно ли как-то улучшить этот белок. В результате мы не только получили его более стабильные и более растворимые аналоги, но даже смогли закристаллизовать один из них! Этим мы подтвердили, что метод не только работает, но и работает так, как мы ожидали.
О Лаборатории белок-белковых взаимодействий, в которой работает Николай Случанко, можно прочитать в еще одном интервью [15] спецпроекта «Биология в России».
Один из недавних проектов был связан с родопсинами. Природные родопсины — более сложный объект для любых исследований по сравнению с растворимыми белками, так как сначала их надо достать из мембраны. Нас заинтересовало, можно ли сделать их растворимыми за счет мутаций. Этой задаче уже лет двадцать, но результата не добились даже нобелевские лауреаты. Сейчас же методы продвинулись настолько, что это стало возможным — не только получить растворимый аналог, но и закристаллизовать его, расшифровав структуру и доказав, что положение его остова очень близко к наблюдаемому в нативном белке (рис. 4) [16]. Кстати, недавно была международная конференция в Италии по ретинальным белкам, на которую меня пригласили сделать онлайн-доклад по этой работе.
Рисунок 4. Свойства аминокислот бактериородопсина (BR) дикого типа (WT) и его модифицированных вариантов (NeuroBR_A, NeuroBR_B, NeuroBR_C). Показаны гидрофобные, полярные, положительно и отрицательно заряженные аминокислотные остатки.
Сейчас из этого проекта родился еще один — по флуоресцентным белкам. Есть белок GFP, который часто используют для исследований. Существуют его аналоги, работающие в диапазоне от зеленого и вплоть до ультрафиолетового, но нет хороших вариантов, флуоресцирующих в красной области спектра, хотя они очень важны для работы с млекопитающими (только этот свет проникает глубоко в ткани). У нас есть надежда сделать красный флуоресцентный белок на основе одного из мембранных родопсинов. И в этом мы уже очень хорошо продвинулись — надеюсь, скоро выйдет публикация.
АР: Какие приборы для исследования белков использует именно ваша лаборатория?
ИГ: Поскольку мы любим инженерить белки, одним из основных способов их проверки является повышение температур. Природные белки часто денатурируют при довольно низких температурах, а для нашей работы важно, чтобы она была как можно выше. Чтобы получить такой белок, мы придумываем не один, а несколько модифицированных вариантов и проводим их скрининг. Для этого используем термоциклер Роторген (Rotor-Gene Q) на 36 образцов (видео 3). Изначально его придумали для анализа ПЦР в реальном времени [17], но мы приспособили его под себя. Он работает как термостат и с помощью светодиода измеряет фотосигнал. Благодаря светодиоду мы видим, при какой температуре происходит денатурация и определяем температурную стабильность белка. За час можем оценить 36 белков — очень простой и удобный в работе прибор.
Еще у нас есть Prometheus Panta, который мы используем для измерения термостабильности и агрегации белка, а также для уточнения его свойств. Он работает с очень маленькими объемами образцов: если Rotor-Gene измеряет довольно грубо, и белок приходится подкрашивать, то здесь измерение основывается на флуоресценции триптофанов, поэтому большинство белков можно не красить.
Для работы нам также необходимо измерять константу диссоциации лигандов наших белков (молекул, связывающихся с белком). Для этого мы используем Monolith NT.115, который коротко называем «нанотемпер» по имени компании-производителя. С помощью встроенного лазера он создает локальный градиент температуры в образце и фиксирует, как белок (обычно помеченный флуоресцентной меткой) перемещается в этом тепловом поле. Поскольку подвижность свободного белка и белка, связанного с лигандом, различается, прибор регистрирует эти изменения для серии разных концентраций лиганда. Этим активно пользуются коллеги из соседней лаборатории, которые ищут лиганды для человеческих рецепторов: им важно понимать, при какой концентрации лиганды связываются с рецептором [18].
Видео 3. Приборы Rotor-Gene Q и Prometheus Panta — незаменимые «рабочие лошадки» в лаборатории структурного анализа и инжиниринга мембранных систем.
монтаж Анны Ремиш
АР: Слушая вас, складывается впечатление, что вы сами определяете спектр работ и задач: находите интересный объект для исследования, пишите заявку, а что происходит дальше? Какие практические задачи ставят перед вами, когда выделяют финансирование?
ИГ: Долгое время мы жили в парадигме фундаментальной науки, где была задача придумать что-то интересное для нас и для экспертов РФФИ или РНФ. Иногда мнения совпадали, иногда — нет. Где-то, начиная с 2020–21 года, когда многие сидели на карантине, система начала меняться. Причем не только у нас — во всем мире. Появился тренд на достижение практического результата. Теперь наука должна приносить пользу. Сейчас этот фокус усилился, поэтому мы, «поиграв» с модельными объектами, получили базу, на основании которой можем развиваться дальше.
Так как наши исследования достаточно дорогие, необходимо продемонстрировать, что они не хуже тех, которые проводят другие лаборатории. Когда Российский научный фонд выделяет гранты, его эксперты рассматривают заявки и выбирают наиболее перспективные и интересные. Наша задача — угадать, что может заинтересовать их с учетом тематики лаборатории. В целом, у нас есть два потенциально прикладных направления: медицина/биотехнология и ферменты. Медицина — это долго и дорого. Там инженерия белков происходит на другом уровне, и часто совершенно с другим финансированием. Тем не менее, в белковой инженерии есть относительно недорогие методы (например, тот, который мы использовали для создания растворимого родописна), с помощью которых можно создать растворимый аналог человеческого рецептора и получить его в E. сoli. Соответственно, это первое возможное направление для медицины, второе — это белковые байндеры и аналоги антител для диагностики.
Могу рассказать про один из проектов по разработке аналогов поверхностного белка вируса клещевого энцефалита. При наработке природного белка в E. сoli белок выпадал в осадок. Нам удалось модифицировать его так, чтобы при помощи этой бактерии получать белок уже в растворимой форме. Такие белки можно применять в качестве антигенов для диагностики болезни, а потенциально даже для вакцины.
Если говорить про биотехнологию и ферменты, то там регулирование обычно ниже, и есть реальная возможность уложиться в небольшие бюджеты: за 500–900 тысяч рублей мы иногда можем разработать аналог белка, заказать гены и проверить его свойства. По научным меркам это недорого. К примеру, перед нами стояла задача улучшить протеазу ULP1, которую используют в медицинской биотехнологии. Она позволяет отщепить от белка конец так, чтобы ничего лишнего не осталось. В России с ее помощью производят рекомбинантный интерферон.
Однако у нее есть некоторые недостатки: при длительном хранении она выпадает в осадок, также у нее не самая лучшая температурная стабильность. Нам удалось создать варианты, которые остаются стабильны до температуры в 59 oC и позволяют легко работать при комнатной температуре. Мы очень хотим продать эту разработку и делаем первые шаги в этом направлении.
ОГ: То есть вопрос о коммерциализации для вас тоже актуален?
ИГ: Конечно! Все хотят получать достойную зарплату за свою работу, а не завидовать другу, который после окончания МФТИ пошел работать в условный Яндекс. Если до ковида у нас была дружба с западной фармой, то сейчас мы работаем с российской. Примерно 10% нашего финансирования идет от фармацевтических компаний. Но у них тоже есть своя специфика: бюджеты распределяются на год вперед, поэтому важно учитывать сроки.
Нейросети на службе лаборатории
Как изменит науку искусственный интеллект и могут ли ученые остаться без работы — эти вопросы очень волнуют научное сообщество. Однако нейросети не просто облегчают работу исследователей — они заметно сокращают время и затраты на эксперименты, поэтому игнорировать их не получится. Раньше, чтобы узнать, как устроен белок, приходилось месяцами, а то и годами, выращивать кристаллы и исследовать их на дорогом оборудовании. Теперь AlphaFold за считанные минуты предсказывает трехмерную структуру по аминокислотной последовательности, и результат часто оказывается близким к экспериментальному. Для белковой инженерии это значительно ускоряет путь от идеи к проверке: можно заранее попробовать оценить, как изменится структура белка после замены аминокислот, и отобрать самые перспективные варианты.
Но у любых инструментов есть пределы. Сейчас AlphaFold прекрасно предсказывает устойчивые, хорошо упакованные белки, а с гибкими и динамичными структурами, способными менять форму, справляется хуже. Поэтому в данный момент нейросети не могут заменить кристаллографию и криоэлектронную микроскопию, а лишь дополняют эти методы. Тем не менее, вещи, которые сегодня кажутся недостижимыми для искусственного интеллекта, через несколько лет могут стать рутинными. Это серьезный вызов для многих ученых, поэтому мы подробно обсудили с Иваном возможности современных нейросетей и как они изменили работу структурных биологов.
АР: В вашей лаборатории стоят очень красивые компьютеры с графическими процессорами (GPU). Насколько плотно вы «дружите» с нейросетями?
ИГ: «Дружим» все больше и больше. Компьютеры красивые, потому что для экономии денег в них установлены игровые видеокарты: если б карточка была не игровая, она стоила бы намного дороже. На этих машинах мы инжинирим белки. За сутки с помощью нейросети можно сделать достаточно большой объем работы, на который раньше уходили месяцы. Но бывает и так, что она ошибается, выдает ерунду. В данный момент ИИ — это базовый алгоритм, который необходимо настраивать под себя для корректной работы.
ОГ: Что сегодняшние ИИ-модели по-настоящему не понимают в белках: динамику, мембранный контекст, кооперативность, эволюционные ограничения или физику лигандного связывания?
ИГ: Я бы ответил так: нейросети умело складывают из слов предложения на основе того, что они видели. В интернете есть много открытых учебников, поэтому на уровне студента на экзамене на указанные вопросы они ответят идеально. Однако нельзя сказать, что это современная наука, потому что чаще всего открытия попадают в учебники лет через пять, а до этого они есть только в статьях, которые не всегда находятся в открытом доступе. Нейросеть не может легально на них обучаться.
Второе, чего нет у искусственного интеллекта, — отрицательный опыт. Как бы это правильно назвать по-русски?
ОГ: Ошибка выжившего?
ИГ: Скорее, ошибка выжившего среди результатов исследований: я сделал десять экспериментов и лишь удачный попал в статью. Отрицательные результаты не публикуют, но эти неудавшиеся девять попыток остались в моей голове. Это мой опыт, который помогает понять, чего не нужно делать. Иногда это работает даже на уровне интуиции или подозрений. Но в текстах статей, которые нейросеть могла бы прочитать и обучиться, обычно об этом не пишут. У искусственного интеллекта пока нет экспериментального опыта. Сейчас пытаются обучать нейросети так, чтобы они не только читали, но и наблюдали за действиями ученого в режиме реального времени. Но пока неясно, к чему это приведет. Все-таки модель физического мира сложна. Это не программирование, где на входе и на выходе одни символы, поэтому легко проверить, куда закралась ошибка. В биологии, чтобы проверить себя, часто необходимо пойти в реальный эксперимент с той же пипеткой.
АР: У нас как раз был вопрос про интуицию. Насколько, по вашему мнению, велика роль интуиции исследователя в успехе ИИ-дизайна, когда со знаний и опыта фокус постепенно смещается на умение качественно и понятно описать задачу алгоритмам?
ИГ: Сейчас идет большая дискуссия, что оставит от ученых развитие нейросетей. Однако я могу возразить: когда-то у людей не было книжек — знания хранились в голове и передавались на словах. Потом появились книги, но от этого люди разом не поглупели. Через очень долгое время появился калькулятор. Некоторые, конечно, стали хуже считать, но тем, кто хорошо учился и старался, калькулятор помогал.
То же самое с нейросетями: тех, кто халтурит, они, наверное, расслабляют, ведь можно получить ответ и без какого-либо собственного фильтра передать его дальше. Например, преподаватель дал задание прочитать определенные статьи и сделать короткую выжимку, а студент передал эту работу чату GPT. Он не пропустил это через себя, не проанализировал, не подумал, зачем преподаватель дал ему такое задание... Если же человек не халтурит, а думает и старается, нейросеть его дополнит.
Конечно, искусственный интеллект набирает все больше функций. И сейчас он, пожалуй, отлично помогает с поиском литературы. Можно искать нужные статьи многократно быстрее, чем раньше. Не всегда, конечно, он даст правильные ссылки, но ведь я могу открыть статью и проверить.
АР: Можно ли сказать, что внедрение в работу нейросетей в данный момент не обесценивает труд структурного биолога?
ИГ: Скорее, ИИ меняет нашу работу. Если раньше я тратил до половины рабочего времени на поиск литературы, то сейчас делаю это гораздо быстрее и, соответственно, у меня остается больше времени на структурный анализ. Если раньше я находил, скажем, десять интересных генов в базе данных и за двое суток мог построить десять грубых моделей, то сегодня при помощи AlphaFold за сутки могу построить десять тысяч довольно высококачественных моделей. В некотором смысле я стал получать результат гораздо быстрее, поэтому, учитывая мой опыт, могу быстрее двигаться вперед.
Если говорить про студентов, то им стало сложнее. Раньше я бы дал задачу построить эти десять моделей студентам, а сейчас мне проще спросить у AlphaFold. Для этой задачи студент стал не нужен. И что делать бедному студенту, если часть работы забрала нейросеть? Вопрос открыт... У нас, к счастью, много сильных ребят, поэтому я могу загружать их более сложными задачами.
ОГ: Получается, идет некий фильтр на студентов: кто справится, а кто — нет.
ИГ: К студентам теперь предъявляют более высокие требования, да и конкуренция повышается. В качестве примера могу привести работу с белковыми комплексами. С помощью AlphaFold мы можем легко предсказывать модели белков, но в отношении белковых комплексов нейросети ошибаются гораздо чаще. Еще несколько лет назад, если программа предсказывала мне, что белок А взаимодействует с белком Б, я должен был искать дополнительную информацию о результатах реальных экспериментов. Однако, если у организма огромный геном, и я получил предсказание о 10 000 возможных комплексов, то с чтением литературы уже физически не справлюсь. Раньше такая работа заняла бы лет десять, и над ней трудилось бы несколько десятков человек. А сейчас я могу использовать языковую нейронку, дав ей несколько тысяч заданий проанализировать научные статьи и найти данные о взаимодействии этих белков. В итоге вместо двадцати человек эту работу без проблем выполнят научный руководитель, аспирант и четыре видеокарты.
ОГ: В спецпроекте «Биомолекулы» по искусственному интеллекту проходит важная линия: нейросети уже умеют не только предсказывать структуру молекул, но и двигаться от структуры к их функциям. Где, по-вашему, сегодня проходит граница между редизайном существующего белка и настоящим de novo-дизайном, то есть созданием нового белка?
ИГ: Я бы ответил так: существуют большие геномные базы данных с огромным количеством неисследованной информации о белках и генах, кодирующих белки микроорганизмов. Скорее всего, там есть интереснейшие ферменты, которые разлагают пластик, лигнин, отходы целлюлозно-бумажных производств, лечат разные болезни, но мы об этом не знаем. Сейчас нейросети научились распространять известные знания на похожие примеры: AlphaFold умеет выходить за пределы известных фолдов (структур) и предсказывать неизвестные модели. Следующая интересная задача, которая еще не реализована, но должна быть решена в ближайшие годы, — аннотация или анализ функций генов. При этом, как в кроссворде, находка каждого нового белка помогает легче находить следующий. То же самое в белковой инженерии: чем больше мы знаем, тем легче инженерить и модифицировать.
Относительно границы между природой и дизайном de novo, вопрос сложный. Обычно и у белков, и у ферментов есть несколько функций, некоторые из которых они могут выполнять плохо, но мы можем прокачать их. Вполне возможно, что и у природных, и у искусственно созданных функций есть определенный предел. И тут вопрос открытый: сколько в целом можно придумать функций белков? Допускаю, что не так много. И, наверное, многие из них мы уже знаем. Более того, некоторые новые задачи уже выполнены, поэтому пространство для поиска постепенно сужается.
АР: На конференции BCADD-2025 вы показали впечатляющий график: за несколько лет удалось увеличить долю успешных конструкций с 0,1% до 20–100%. Это значит, что количество молекул, которые нужно синтезировать, чтобы получить одну рабочую, уменьшилось в тысячи раз. Какая часть этого реальный прогресс алгоритмов, а какая — широкая доступность методик для проведения исследований?
ИГ: Хочу уточнить, что именно там имелось в виду. Белковой инженерии уже несколько десятков лет. Есть примеры белков, которые были разработаны еще в СССР (например, альбебетин, подробнее о котором можно прочитать здесь [13]). В то время ученые сначала продумывали структуру, потом предлагали аминокислоты и в эксперименте подтверждали, что конструкция будет работать. Однако это были либо модельные белки, либо слегка модифицированный природный белок.
В 2000-х годах стали появляться работы, где ученые придумывали довольно сложные функции (например, катализирующий фермент, не имеющий аналогов). На это тратили огромные ресурсы: ученые могли синтезировали десять тысяч белков, из которых рабочим был только один, еще десять работали плохо, а все остальные никуда не годились.
Сейчас, благодаря развитию искусственного интеллекта, появилось много новых методов, позволяющих значительно сэкономить время и снизить количество неудачных структур. Это позволяет удешевить эксперименты, поэтому некоторые модели можно делать даже в рамках студенческих работ. Таким образом, речь идет о комплексном процессе: алгоритмы развиваются, больше ученых могут использовать их, а это, в свою очередь, развивает и накапливает опыт.
Будни лаборатории: работа и удовольствие
За сложными приборами, расчетами и статьями стоят люди, и у каждого в лаборатории своя роль. Одни выращивают кристаллы, другие работают с нейросетями, третьи отвечают за геномный анализ. В заключительной части интервью мы расспросили Ивана о том, как распределены обязанности между сотрудниками, из каких вузов приходят молодые ученые и, по традиции, узнали о его взгляде на будущее структурной биологии.
Рисунок 7. Сотрудники Лаборатории структурного анализа и инжиниринга мембранных систем Центра исследований молекулярных механизмов старения и возрастных заболеваний МФТИ. На фотографии: Александр Кузьмин, Илья Натаров, Олег Семенов, Андрей Николаев, Елизавета Кузнецова, Анна Юденко, Алина Ремеева, Вера Назаренко, Елена Маркеева, Павел Шишкин, Халид Мустафин, Иван Гущин.
фотография представлена Иваном Гущиным
АР: Иван, вы упоминали, что у вас достаточно большая лаборатория (рис. 7): пятнадцать человек, включая студентов. Как вы распределяете работу, кто за что отвечает?
ИГ: У нас сейчас в основном проекты, по которым нужно отчитываться ежегодно, поэтому первую половину года мы живем вольно и в свое удовольствие, а потом открываем график отчетов и начинаем усиленно работать (смеется).
Я являюсь заведующим лабораторией, мой заместитель — Алина Ремеева (рис. 7), которая в первую очередь занимается кристаллографией, то есть выращивает кристаллы. При этом она делает еще много другой работы. Кроме нее, есть постдок Арина Анучина, чья вотчина — анализ бактериальных геномов. Мы исходим из логики, что в лаборатории нужен замкнутый цикл от генетической инженерии до культивации клеток, очистки белков и получения кристаллов, поэтому нам необходим сотрудник, который будет искать гены в базе данных. Это как раз делает Арина.
После того, как мы проанализировали геномы и получили список, скажем, из десяти тысяч аминокислотных последовательностей, необходимо решать, с какой из них работать. С помощью AlphaFold мы можем предсказать десять тысяч структурных моделей за две—четыре недели (раньше кристаллизация и получение структуры занимала до двух лет, но несколько тысяч структур для одного проекта мы не получили бы никогда). У есть несколько сотрудников, которые умеют это делать. Например, аспирант Павел Шишкин. Он может построить модели и вместе с Ариной выбрать те, которые представляют наибольший интерес; Александр Кузьмин сделает расчет молекулярной динамики.
С этими моделями мы будем двигаться в эксперимент. Для этого белок необходимо синтезировать. В этом эксперт Алина Ремеева, а помогать ей может кто-то из аспирантов — Олег Семенов, Илья Натаров — или студентов. Получив белок, мы можем изучать его свойства, кристаллизовать. Это тоже к Алине. Зная свойства белка, можно делать предположения, как его модифицировать. Это уже вопрос к «компьютерным» людям. Это очень хорошо получается у Андрея Николаева, а еще у Алисы Бугровой и Елизаветы Кузнецовой; часто они, а еще и Арсений Афанасьев, сами и проверяют в эксперименте, что получилось.
ОГ: Получается, у вас работают в основном ребята из МФТИ?
ИГ: Наш Центр также обеспечивает работу кафедры биофизики в Физтех-школе физики и исследований им. Ландау, куда на втором курсе каждый год поступают около пятнадцати человек — многие из них потом занимаются научной работой в Центре. Но есть сотрудники и из биологической школы, и других вузов. Арина Анучина, например, пришла к нам из МГУ уже после защиты диссертации.
ОГ: Если смотреть на ваши проекты как на единую линию, то видно, что вы шаг за шагом повышали сложность объектов, переходя от более простых к более сложным. Какой следующий «порог сложности» вы собираетесь покорить? Это будут, скажем, мембранные комплексы или что-то другое?
ИГ: Сейчас наше основное направление — это развитие белковой инженерии. В ней мы движемся, наверное, в сторону более сложных белков, которые к тому же более подвижны. Все белки динамичны по-своему, хотя флавинсвязывающий флуоресцентный белок в каком-то смысле статичный: он связал флавин, и все. Однако для нас важно, что во флавине, связанном с белком, электрон при поглощении фотона переходит на более высокий энергетический уровень, а при возвращении излучает фотон меньшей энергии (это и есть флуоресценция).
Растворимый аналог бактериородопсина тоже динамичен, но ранее в своей работе мы эту динамику не учитывали. Изначально мы делали его просто как белок, который будет связывать ретиналь. Далее мы идем, например, к ферментам, а им уже важно «шевелиться». Сейчас есть замечательные нейронные сети, которые предсказывают подходящие аминокислоты для каждой позиции и помогают сделать белок лучше. Но у динамичных белков появляется несколько структур (конформаций), и это нужно учитывать. Вопрос, как проектировать такие белки, даже для мировой науки пока открыт: не всегда понятно, как они работают в природе с реальными субстратами. Нужно не только понять механизм действия, но и определить, что в них можно изменить.
ОГ: Остается ли у вас время на что-нибудь еще, кроме научной работы и руководства лабораторией?
ИГ: Бо́льшую часть свободного времени я посвящаю своей жене Насте и нашему маленькому ребенку. Кроме работы, еще есть конференции (Иван — член оргкомитета международной конференции Biomembranes — Ред.), и Совет молодых ученых МФТИ требовал времени. Честно говоря, мне искренне нравятся белки: с ними очень интересно работать, поэтому независимых хобби практически не осталось.
ОГ: Здо́рово, когда работа и хобби совпадают. Тем не менее, наука — это не только сухие цифры и данные. К примеру, недавно мы были в лаборатории, где изучают экстремофильных микроорганизмов [30]. Там работают очень творческие сотрудники, которые сами верстают календари, посвященные жизни и работе в лаборатории. А как у вас с творческим подходом?
ИГ: Я всю жизнь занимался физикой и спортом, поэтому картины не пишу — разве только посты в свой телеграм-канал «Структурный анализ и белковая инженерия». Еще очень внимательно отношусь к оформлению своих статей. Стараюсь делать хорошую визуализацию, чтобы читатель понимал информацию в том ключе, в котором нужно. И, конечно, мне очень приятно, когда получаются иллюстрации, которые настолько хороши, что их можно повесить на стену.
Вот, например, иллюстрация структуры аналога ферритина (рис. 8). Ферритин хорош тем, что это довольно крупная и относительно симметричная молекула. Благодаря симметрии несложно восстановить положение отдельных атомов. Природный ферритин состоит из 24 субъединиц, каждая из которых представляет собой пучок из четырех спиралей. Они собираются в своеобразный шарик, накапливающий железо. В одной белковой цепи обычно бывает только один домен ферритина, а мы, проанализировав геномы микроорганизмов, нашли двухдоменный вариант и с помощью AlphaFold поняли, что он тоже может образовывать шарик.
Затем воспроизвели белок в кишечной палочке и с помощью электронного микроскопа получили структуру в высоком разрешении (рис. 8). Кстати, на днях я получил письмо из научного журнала, что статья об этой работе может быть опубликована, если мы внесем некоторые исправления.
Рисунок 8. Иван с изображением структуры белка-аналога ферритина на фоне криоэлектронного микроскопа. Над проектом по созданию этого белка работали: Алина Ремеева, Арина Анучина, Дмитрий Дашевский, Тихон Куркин и другие.
фотография представлена Иваном Гущиным
АР: Какой вы видите свою лабораторию и научную область через 10–15 лет?
ИГ: Если глобально, то я представляю свою лабораторию более крупной, возможно, даже немного за рамками МФТИ — с подразделением, которое решает практические задачи с помощью белков. То есть с упором на практику. Но, в целом, делать прогнозы довольно сложно, ведь когда я только начинал заниматься структурной биологией растворимых белков, это была уже зрелая область, а передовым фронтом науки являлась структурная биология мембранных белков. Однако к моменту, когда я заканчивал аспирантуру, она уже созрела и стала более рутинной областью. Сейчас суперразвивающейся областью является белковая инженерия, и мы в нее довольно глубоко погрузились.
Верю ли я, что вся белковая инженерия будет сделана через десять лет? Наверное, нет, потому что белков огромное множество, да и люди вряд ли перестануть болеть. Скорее всего, мы будем заниматься очень сложной и хитрой белковой инженерией, сопряженной с физикой, перепрошитой нейросетями и скомбинированной с экспериментальными подходами. Однако это все еще будет белковая инженерия. Я очень надеюсь, что к тому времени у нас будут более сложные структуры и модели, а не «кошечки», с которыми мы работаем сегодня.
ОГ: В конце просим сказать вас традиционное пожелание молодым ученым. На что начинающему ученому важно обратить внимание в работе, учитывая современные тенденции?
ИГ: Мы живем в замечательное время, когда доступно большое количество информации. При таких быстрых изменениях важно уметь быстро учиться. Учитесь учиться и критически воспринимать данные, потому что нейросети обманывают, а учебники иногда ошибаются. Уметь сопоставлять разную информацию — это очень важная черта для ученого.
Литература
- (Ре)дизайн промышленных и терапевтических белков: от слепого перебора к навигации в белковой вселенной;
- Нобелевская премия по физиологии и медицине 2026: куда приводит интерес к водорослям (спойлер: к оптогенетике);
- Andrey Nikolaev, Anna Yudenko, Anastasia Smolentseva, Andrey Bogorodskiy, Fedor Tsybrov, et. al.. (2023). Fine spectral tuning of a flavin-binding fluorescent protein for multicolor imaging. Journal of Biological Chemistry. 299, 102977;
- Зрительный родопсин — рецептор, реагирующий на свет;
- Вижу цель: новые технологии для незрячих;
- Dmitrii Zabelskii, Sergey Bukhdruker, Gerrit H. U. Lamm, Siarhei Bukhalovich, Mako Aoyama, et. al.. (2026). Molecular mechanism of calcium inhibition in viral channelrhodopsins. Nat Commun. 17;
- Лаборатория перспективных исследований мембранных белков: от гена к ангстрему;
- 12 методов в картинках: структурная биология;
- 12 методов в картинках: «сухая» биология;
- AlphaFold 3: как диффузионные модели пришли в предсказание структуры белков;
- Как языковые модели покорили мир белков;
- От структуры к функции: революция ИИ в белковом дизайне;
- Несуществующие в природе белки́ — за что вручили Нобелевскую премию по химии (2024);
- Andrey Nikolaev, Alexander Kuzmin, Elena Markeeva, Elizaveta Kuznetsova, Yury L. Ryzhykau, et. al.. (2024). Reengineering of a flavin‐binding fluorescent protein using
ProteinMPNN . Protein Science. 33; - Белковые отношения: как узнать все о тайной жизни белков и зачем это нужно;
- Andrey Nikolaev, Yaroslav Orlov, Fedor Tsybrov, Elizaveta Kuznetsova, Pavel Shishkin, et. al.. (2025). Engineering of soluble bacteriorhodopsin. Chem. Sci.. 16, 11067-11076;
- 12 методов в картинках: полимеразная цепная реакция;
- Термофорез;
- Бремя долголетия: как жить долго и счастливо уже сегодня;
- Время не ждет: как убить дракона под названием «старение»;
- Старость — упущение иммунной системы или ее предательство?;
- Старческие капризы природы: почему люди прекращают стареть, а мыши не успевают жить;
- Старение: остановить нельзя смириться;
- Старение и долголетие: эпигеном раскрывает тайны;
- Зачем клетки стареют;
- Часы старения: обнулить, замедлить, обратить вспять?;
- Старение — плата за подавление раковых опухолей?;
- Как отсрочить старость: жизнь без адреналина;
- Carlos López-Otín, Maria A. Blasco, Linda Partridge, Manuel Serrano, Guido Kroemer. (2023). Hallmarks of aging: An expanding universe. Cell. 186, 243-278;
- Во благо человечества: как бактерии выживают в аду и помогают народному хозяйству.
Комментарии
0Чтобы оставить комментарий, необходимо
войти