在過去兩年中，機器學習徹底改變了蛋白質結構預測。現在，《科學》雜志上的3篇論文描述了蛋白質設計方面的革命：華盛頓大學醫學院生物學家的研究表明，機器學習可比以前更准確、更快速地創建蛋白質分子。科學家們希望這一進步將帶來更多新的疫苗、療法、碳捕獲工具和可持續生物材料。

論文資深作者、華盛頓大學醫學院生物化學教授、2021年生命科學突破獎獲得者大衛·貝克表示，蛋白質是整個生物學的基礎，但迄今在每種植物、動物和微生物中發現的蛋白質，遠不到所有可能蛋白質的百分之一。有了這些新的軟件工具，研究人員應該能夠找到解決醫學、能源和技術方面長期挑戰的方案。

為了超越自然界中發現的蛋白質，貝克團隊成員將蛋白質設計的挑戰分解為3個部分，並為每個部分使用新的軟件解決方案。

首先，必須生成新的蛋白質形狀。在《科學》雜志上稍早發表的論文中，該團隊設計人工智能（AI）通過兩種方式生成新的蛋白質形狀：第一種稱為“幻覺”，類似於基於簡單提示就能產生輸出的工具﹔第二種稱為“修復”，類似於現代搜索欄中的自動完成功能。

其次，為加快這一過程，團隊設計了一種生成氨基酸序列的新算法。15日發表的論文描述了這個名為ProteinMPNN的工具，運行時間約為1秒，比以前最好的軟件快200多倍。它不但結果優於以前的工具，還不需要專家定制即可運行。

第三，該團隊使用“深度思維”公司開發的“阿爾法折疊”來獨立評估他們提出的氨基酸序列是否可能折疊成預期的形狀。

研究人員表示，預測蛋白質結構的軟件是解決方案的一部分，但它本身無法提出任何新的東西。ProteinMPNN之於蛋白質設計，就像“阿爾法折疊”之於蛋白質結構預測。

在另一篇論文中，貝克實驗室的一個團隊証實，新機器學習工具的組合能可靠地生成在實驗室中起作用的新蛋白質。

研究發現，新制造的蛋白質更有可能按預期折疊，因此可使用這一方法創建非常復雜的蛋白質組裝體。“這是蛋白質設計中機器學習的開端。”貝克說。

科技日報記者 張夢然

分享讓更多人看到