241 милиона белтъчни структури, безплатни за всеки, срещу 257 хиляди от петдесет години лабораторна работа

На 16 март 2026 г. Европейският институт по биоинформатика (EMBL-EBI, лабораторията край Кеймбридж, която пази голяма част от публичните биологични данни на Европа), заедно с Google DeepMind, NVIDIA и Сеулския национален университет, добави милиони предсказани белтъчни комплекси към базата данни AlphaFold. По думите на EMBL това е най-големият публично достъпен набор от такива предсказания.

Новината сама по себе си е техническа. Мащабът зад нея не е. След обновяването от октомври 2025 г. базата съдържа 241 070 489 предсказани белтъчни структури. За сравнение, световният архив на структурите, определени експериментално в лаборатория, Protein Data Bank, съдържаше 256 840 структури към 17 юли 2026 г. Това е сборът от всичко, депозирано там от 1976 г. насам.

Едното число е около деветстотин пъти по-голямо от другото. И е безплатно. По данни на EMBL-EBI базата е ползвана от над 3 милиона души в над 190 държави, а според Google DeepMind над милион от тях са в страни с нисък и среден доход.

Предсказването на формата на белтък беше проблем. Сега е обществена услуга, която работи тихо на заден план, като водопровода.

Защо формата е целият въпрос

Белтъците са машинките, които вършат работата в живата клетка. Всеки от тях е дълга верига от аминокиселини, която се сгъва сама в определена триизмерна форма. Формата решава какво може да прави белтъкът: към какво се залавя, какво разрязва, какво пренася. Сгънат погрешно, белтъкът губи функцията си, а понякога и вреди.

Разликата между веригата и формата е като между инструкция за оригами и готовата фигурка. Четенето на инструкцията е лесно и учените се научиха да го правят евтино. Но да разбереш каква фигурка ще излезе, без да я сгънеш, е съвсем друга работа.

В продължение на петдесет години единственият надежден начин беше да я сгънеш физически: да пречистиш белтъка, да го кристализираш и да го погледнеш с рентген или електронен микроскоп. По описанието на Google DeepMind една такава структура често отнемала година или повече скъпа лабораторна работа.

През 2020 г. на състезанието CASP моделът AlphaFold 2 предсказа формата само от последователността на аминокиселините с точност, която затвори въпроса. През 2024 г. Нобеловата награда за химия отиде наполовина при Дейвид Бейкър за компютърното проектиране на белтъци и наполовина, споделена, при Демис Хасабис и Джон Джъмпър за предсказването на структурата им.

Какво променя

Най-лесно се вижда по това кой ползва базата. Три милиона души в 190 държави означава, че структурната биология вече не е привилегия на лабораториите, които могат да си позволят кристалограф и синхротрон. Според Google DeepMind AlphaFold е цитиран в над 35 000 научни статии, а над 200 000 статии използват елементи от AlphaFold 2 в методологията си.

Промяната е и в темпото. Google DeepMind посочва един конкретен пример: аполипопротеин B100, централният белтък в „лошия“ холестерол, чиято структура десетилетия не се поддаваше. AlphaFold 2 показа сложната ѝ форма, наподобяваща кафез. Това е чертежът, от който фармацевтите тръгват, когато проектират лекарство.

Мартенското обновяване запълва една от големите дупки. Досега базата даваше отделни белтъци, а в клетката белтъците почти винаги работят по двойки и групи. Новият набор покрива хомодимери, тоест комплекси от два еднакви белтъка, и е нарочно насочен към 20-те най-изучавани вида, включително човека, плюс списъка на Световната здравна организация с приоритетните болестотворни причинители.

Какво още не знаем

Предсказанието си остава предсказание. То не е измерване и това личи най-добре от собствените числа на комплексите. Към 19 май 2026 г. към базата са добавени близо 80 000 предсказания на хетеродимери (комплекси от два различни белтъка) с висока увереност, докато още 8,1 милиона с по-ниска увереност се предлагат само за групово сваляне. Съотношението е около сто към едно. Единичната верига е решен въпрос, комплексите не са.

Причината, по думите на EMBL, е че в природата белтъците менят формата си и си взаимодействат по много различни начини. Моделът връща една форма. Живата молекула се движи.

И една поправка на разпространено недоразумение: AlphaFold не отмени лабораторията. Собствената статистика на Protein Data Bank показва, че 2025 г. е рекордна година за експерименталните структури с 17 615 нови, пет години след AlphaFold 2. Предсказанията казват къде да гледаш. Проверката още е работа на лабораторията.