Rosetta@home

Rosetta@home — это проект добровольных распределённых вычислений, предназначенный для предсказания и дизайна белковых структур, а также для моделирования их сворачивания (фолдинга) и взаимодействия с другими молекулами. Проект был запущен в 2005 году на платформе BOINC (Berkeley Open Infrastructure for Network Computing) и разрабатывается лабораторией Бейкера (Baker Lab) в Вашингтонском университете (США). Rosetta@home использует вычислительные ресурсы добровольцев со всего мира, чьи компьютеры обрабатывают отдельные задачи (ворк-юниты), что позволяет решать задачи, требующие огромных вычислительных мощностей, недоступных для одного суперкомпьютера.

История

Проект Rosetta@home был запущен 6 октября 2005 года. Его создание стало возможным благодаря развитию платформы BOINC, разработанной в Калифорнийском университете в Беркли. Основная цель проекта заключалась в использовании распределённых вычислений для ускорения работы программного пакета Rosetta, который изначально был создан для предсказания трёхмерной структуры белков по их аминокислотной последовательности.

Первоначально проект был ориентирован на фундаментальные исследования в области фолдинга белков и дизайна новых белков с заданными свойствами. В 2008 году был запущен игровой проект Foldit, основанный на том же алгоритме Rosetta, но позволяющий пользователям вручную манипулировать белковыми структурами в виде игры.

Во время пандемии COVID-19 (2020–2021) проект активно использовался для моделирования структуры белков коронавируса SARS-CoV-2, поиска потенциальных сайтов связывания с лекарственными препаратами и разработки новых белков, способных нейтрализовать вирус. Результаты этих расчётов были опубликованы в научных журналах и использованы для разработки вакцин и терапевтических средств.

Принцип работы

Платформа BOINC

Rosetta@home функционирует на платформе BOINC (Berkeley Open Infrastructure for Network Computing). BOINC — это клиент-серверная система, которая позволяет добровольцам подключать свои компьютеры (персональные, серверные, игровые консоли) к проекту. Клиент BOINC скачивает с сервера проекта ворк-юниты — небольшие вычислительные задачи, содержащие данные о белковой последовательности и параметры моделирования. После обработки результат отправляется обратно на сервер, где он проверяется и объединяется с результатами других участников.

Алгоритм Rosetta

Программный пакет Rosetta использует комбинацию методов молекулярного моделирования, включая:

• Метод Монте-Карло — для случайного поиска конформаций белков с минимальной энергией.
• Фрагментная сборка — сборка структуры из коротких фрагментов известных белков.
• Силовые поля — расчёт энергии взаимодействия между атомами (вандерваальсовы силы, электростатика, водородные связи, торсионные углы).

Задача ворк-юнита — найти такую трёхмерную укладку полипептидной цепи, которая соответствует глобальному минимуму свободной энергии. Чем больше независимых расчётов выполняется на разных компьютерах, тем выше вероятность нахождения правильной структуры.

Классификация задач

Задачи, решаемые Rosetta@home, можно разделить на несколько категорий:

Предсказание структуры белков (фолдинг)

Это основная задача проекта. По заданной аминокислотной последовательности (первичной структуре) алгоритм пытается предсказать трёхмерную укладку (третичную структуру). Это необходимо для понимания функции белка, его взаимодействия с другими молекулами и для разработки лекарств.

Дизайн новых белков

Проект также занимается обратной задачей: по заданной целевой структуре (например, для связывания с определённым вирусным белком) алгоритм подбирает аминокислотную последовательность, которая будет сворачиваться в эту структуру. Это позволяет создавать искусственные белки с заданными функциями — ферменты, вакцины, биосенсоры.

Докинг (молекулярное моделирование связывания)

Rosetta@home моделирует, как одна молекула (например, лекарственное соединение или другой белок) связывается с целевым белком. Это помогает предсказывать эффективность потенциальных лекарств и разрабатывать ингибиторы вирусных белков.

Дизайн белков для терапии

В рамках проекта разрабатываются белки, которые могут быть использованы в медицине: например, белки, нейтрализующие токсины (ботулинический токсин, яды змей), или белки, блокирующие рецепторы вирусов (включая SARS-CoV-2).

Применение и результаты

Фундаментальные исследования

• Уточнение механизмов фолдинга белков, включая изучение болезней, связанных с неправильным сворачиванием (например, болезнь Альцгеймера, болезнь Паркинсона, прионные заболевания).
• Создание библиотек белковых структур для базы данных Protein Data Bank (PDB).

Медицина и фармакология

• Разработка новых вакцин (в том числе на основе белковых наночастиц).
• Создание ингибиторов вирусных белков (например, для ВИЧ, гриппа, SARS-CoV-2).
• Проектирование белков, способных доставлять лекарства непосредственно к раковым клеткам.

Биотехнология и промышленность

• Разработка ферментов для утилизации пластика (например, PET-азы, расщепляющие полиэтилентерефталат).
• Создание биосенсоров для обнаружения токсинов и патогенов.
• Дизайн белков для производства биотоплива.

Образовательная ценность

Проект используется в учебных курсах по биоинформатике и молекулярной биологии. Студенты могут наблюдать за ходом расчётов и анализировать результаты.

Критика и ограничения

Несмотря на успехи, Rosetta@home имеет ряд ограничений:

• Вычислительная сложность — для точного предсказания структуры крупных белков (более 300 аминокислот) требуется огромное количество вычислительных ресурсов, и не всегда удаётся найти глобальный минимум энергии.
• Приближения в силовых полях — используемые энергетические функции не учитывают все квантово-механические эффекты, что может приводить к ошибкам, особенно для металлопротеинов или белков с нестандартными модификациями.
• Зависимость от добровольцев — проект полностью зависит от энтузиазма участников. При снижении активности расчёты замедляются.
• Конкуренция с методами глубокого обучения — с 2021 года нейросетевые методы (например, AlphaFold2 от Google DeepMind) показали значительно более высокую точность предсказания структуры белков по сравнению с методами на основе силовых полей, что поставило под вопрос актуальность классического подхода Rosetta. Однако Rosetta@home остаётся востребованным для задач дизайна белков, где AlphaFold2 неэффективен.

Интересные факты

• В 2011 году участники проекта Foldit (игровая версия Rosetta) за три недели разгадали структуру ретровирусной протеазы M-PMV, которую учёные не могли решить 15 лет.
• Во время пандемии COVID-19 проект обработал более 1 миллиона ворк-юнитов, связанных с SARS-CoV-2.
• Rosetta@home входит в десятку крупнейших проектов распределённых вычислений по числу активных участников (по данным BOINCstats на 2025 год).
• Исходный код программного пакета Rosetta доступен по лицензии с открытым исходным кодом (Rosetta Commons), что позволяет другим исследователям использовать его в своих целях.

Источники

• Baker Lab, University of Washington. «Rosetta@home: About». Rosetta@home official website.
• BOINC Project. «Rosetta@home». Berkeley Open Infrastructure for Network Computing.
• Das, R., & Baker, D. (2008). «Macromolecular modeling with Rosetta». Annual Review of Biochemistry, 77, 363–382.
• Leman, J. K., et al. (2020). «Macromolecular modeling and design in Rosetta: recent methods and frameworks». Nature Methods, 17, 665–680.
• DiMaio, F., et al. (2022). «Rosetta in the time of COVID-19». Proceedings of the National Academy of Sciences, 119(1), e2111638119.
• Jumper, J., et al. (2021). «Highly accurate protein structure prediction with AlphaFold». Nature, 596, 583–589.