超越 AlphaFold：人工智能创造新蛋白质

17321231762

在过去两年中，人工智能彻底改变了蛋白质结构预测。现在，《科学》杂志上的三篇论文 描述了蛋白质设计方面的革命。

蛋白质通常被称为“生命的基石”，因为它们对于所有生物的结构和功能都是必不可少的。它们几乎参与了细胞内发生的每一个过程，包括生长、分裂和修复。蛋白质由称为氨基酸的长链化学物质组成，氨基酸的序列决定了蛋白质的三维形状，这种复杂的形状对于蛋白质的功能至关重要。

class="nolink">最近，包括AlphaFold 和 RoseTTAFold在内的强大机器学习算法 已经过训练，可以仅根据氨基酸序列预测天然蛋白质的详细形状。机器学习是一种人工智能，它允许计算机在没有明确编程的情况下从数据中学习。机器学习可用于对人类难以理解的复杂科学问题进行建模。

为了超越自然界中发现的蛋白质，来自华盛顿大学医学院的团队成员将蛋白质设计的挑战分解为三个部分，并为每个部分使用新的软件解决方案。

首先，生成新的蛋白质形状。在 7 月 21 日发表在《科学》杂志上的一篇论文 中，该团队表明人工智能可以通过两种方式生成新的蛋白质形状。第一个被称为“Hallucination” ，类似于 DALL-E 或其他基于简单提示产生输出的生成 AI 工具。第二个被称为“inpainting” ，类似于现代搜索栏中的自动完成功能。

其次，为了加快这一过程，该团队设计了一种生成氨基酸序列的新算法。该团队在 9 月 15 日的《科学》杂志上描述了 这个名为 ProteinMPNN 的软件工具，运行时间大约为一秒。这比以前最好的软件快 200 多倍。它的结果优于以前的工具，并且该软件不需要专家定制即可运行。

第三，该团队使用由 Alphabet 的 DeepMind 开发的工具 AlphaFold 来独立评估他们提出的氨基酸序列是否可能折叠成预期的形状。

在 9 月 15 日发表在《科学 》杂志上的另一篇论文中 ，华盛顿大学医学院的另一个团队证实，新机器学习工具的组合可以可靠地生成在实验室中起作用的新蛋白质。

研究人员表示： “我们发现使用 ProteinMPNN 制造的蛋白质更有可能按预期折叠，我们可以使用这些方法创建非常复杂的蛋白质组装体”。

在制造的新蛋白质中，有研究人员认为可以成为定制纳米机器部件的纳米级环。电子显微镜被用来观察这些环，它们的直径大约是罂粟种子的十亿倍。

该团队表示： “这是蛋白质设计中机器学习的开端。在接下来的几个月里，我们将努力改进这些工具，以创造出更具活力和功能的蛋白质”。

1.Wang J, Lisanza S, Juergens D, et al. Scaffolding protein functional sites using deep learning.Science. 2022;377(6604):387-394. doi:10.1126/science.abn2100

2.Dauparas J, Anishchenko I, Bennett N, et al. Robust deep learning-based protein sequence design using ProteinMPNN [published online ahead of print, 2022 Sep 15].Science. 2022;eadd2187. doi:10.1126/science.add2187

xqliu

学习了，谢谢提供分享。