國(guó)際最新研究：人工智能驅(qū)動(dòng)深度學(xué)習(xí)方法可生成各種功能性蛋白質(zhì)

中新網(wǎng)北京7月12日電 (記者 孫自法)國(guó)際著名學(xué)術(shù)期刊《自然》最新在線發(fā)表一篇結(jié)構(gòu)生物學(xué)論文稱，研究人員利用人工智能(AI)技術(shù)驅(qū)動(dòng)，研發(fā)出一種能設(shè)計(jì)新蛋白質(zhì)的深度學(xué)習(xí)方法，這個(gè)名為RoseTTAFold Diffusion(RFdiffusion)的深度學(xué)習(xí)方法能生成各種功能性蛋白質(zhì)，包括在天然蛋白質(zhì)中從未見(jiàn)過(guò)的拓?fù)浣Y(jié)構(gòu)。

該論文介紹，深度學(xué)習(xí)推動(dòng)了蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)和設(shè)計(jì)，但仍需一個(gè)通用框架來(lái)克服在蛋白質(zhì)設(shè)計(jì)上遇到的各種挑戰(zhàn)。擴(kuò)散模型是一種生成式模擬方法，已被證明在圖像和文本生成中很有用，而且似乎也適用于蛋白質(zhì)設(shè)計(jì)。然而，這類模型目前的成功率并不高，產(chǎn)生的序列基本不能折疊成目標(biāo)結(jié)構(gòu)。

論文通訊作者、美國(guó)華盛頓大學(xué)David Baker和同事及合作者開(kāi)展研究表明，通過(guò)細(xì)調(diào)之前報(bào)道過(guò)的RoseTTAFold的結(jié)構(gòu)預(yù)測(cè)網(wǎng)絡(luò)并將其整合到一個(gè)降噪擴(kuò)散模型中，就能生成具有實(shí)際意義的蛋白質(zhì)骨架，而蛋白質(zhì)骨架決定了蛋白質(zhì)的形狀和功能。該模型(RFdiffusion)能測(cè)試擁有不同結(jié)構(gòu)元素的設(shè)計(jì)組合，并從頭開(kāi)始產(chǎn)生蛋白質(zhì)。RFdiffusion能執(zhí)行不同的任務(wù)，設(shè)計(jì)單體(蛋白質(zhì)的基本組成單位)、寡聚體(多亞基聚體)和有治療或工業(yè)應(yīng)用前景的復(fù)雜結(jié)構(gòu)，如結(jié)合位點(diǎn)。

論文作者對(duì)數(shù)百個(gè)設(shè)計(jì)出的對(duì)稱聚體、金屬結(jié)合蛋白和結(jié)合蛋白的結(jié)構(gòu)和功能進(jìn)行了實(shí)驗(yàn)表征，證明了該方法的實(shí)用性。他們還生成了設(shè)計(jì)的一種結(jié)合蛋白與其底物(此處為流感血凝素——在流感病毒表面發(fā)現(xiàn)的蛋白)的復(fù)合物并分析了其結(jié)構(gòu)，發(fā)現(xiàn)結(jié)果與設(shè)計(jì)的模型幾乎一模一樣，從而證明了該方法的準(zhǔn)確性。

論文作者總結(jié)認(rèn)為，RFdiffusion是對(duì)目前蛋白質(zhì)設(shè)計(jì)方法的一次綜合改進(jìn)，能產(chǎn)生總長(zhǎng)度達(dá)600個(gè)殘基的結(jié)構(gòu)，復(fù)雜性和準(zhǔn)確度都比之前更高。后續(xù)對(duì)該方法的進(jìn)一步改進(jìn)，或能設(shè)計(jì)出復(fù)雜程度更高的新蛋白。