Исследователи применили методы искусственного интеллекта для предсказания трехмерных структур 109 282 взаимодействий между белками человека, создав масштабный структурный ресурс, который ранее был недоступен из-за неразрешенности большинства таких структур. Предсказанные структуры были детально проанализированы с точки зрения участия остатков в интерфейсах, площади скрытой поверхности, межмолекулярных связей и энергетических свойств, что позволило систематизировать данные о физико-химических характеристиках белковых комплексов. Ключевым этапом работы стало картирование данных о патогенных вариантах на предсказанные структуры, в результате чего были выявлены мутации, локализованные в зонах взаимодействия белков, для более чем 4 000 аннотированных категорий заболеваний. В качестве репрезентативных примеров были рассмотрены острый миелоидный лейкоз, болезнь Альцгеймера и кардиомиопатия, что позволило изучить распределение интерфейсных мутаций в сетях белковых взаимодействий, связанных с этими патологиями. Авторы также оценили сильные стороны и ограничения предиктивных возможностей модели, проведя сравнение с экспериментально определенными структурами для валидации точности. Полученный структурный ресурс и сопутствующий анализ создают фундаментальную базу для формирования новых гипотез и планирования экспериментальных исследований, направленных на понимание механизмов заболеваний на уровне белковых взаимодействий. Работа демонстрирует мощный потенциал ИИ в структурной биологии и геномике, ускоряя расшифровку молекулярных основ многих тяжелых заболеваний.