В данном исследовании представлена масштабная in silico кампания по предсказанию структур вирусных белков с использованием моделей AlphaFold2 и AlphaFold-Multimer. Авторы проанализировали 2 812 вирусных протеомов, относящихся к 23 семействам вирусов, представляющим интерес для здоровья человека, и успешно предсказали структуры 5 279 гетеродимеров и 2 749 гомодимеров. Метод структурного кластеризации интерфейсов позволил сократить исходный набор данных в пять раз, выделив 1 598 консолидированных кластеров, из которых 471 (29,5%) не имели обнаружимого сходства с экспериментально определенными интерфейсами в базе данных PDB. Полученные результаты дали новые данные о гликопротеинах, имеющих значение для вакцинологии, а также продемонстрировали высокую точность предсказания специфичности и сайтов расщепления вирусных протеаз, которые являются ключевыми мишенями для разработки противовирусных препаратов. Все предсказанные мономеры и высоконадежные димеры доступны для интерактивного просмотра в Портале подготовки к пандемиям базы данных AlphaFold, а полный набор данных доступен для массовой загрузки. Это исследование демонстрирует мощь ИИ-моделей в ускорении фундаментальных вирусологических исследований и разработке новых терапевтических стратегий.