编辑推荐：
谢菲尔德大学和阿斯利康的研究人员开发的一种人工智能方法可以更容易地设计新疗法所需的蛋白质。
谢菲尔德大学和阿斯利康的科学家发明了一种人工智能方法，可以更轻松地设计新药的蛋白质
这种新的人工智能方法优于目前的“逆蛋白质折叠”方法——这是创造具有特定功能的新蛋白质过程中的关键部分
逆向蛋白质折叠很重要但也很困难，因为蛋白质序列的微小变化会对蛋白质结构造成不可预测的影响
为了使药物正常发挥作用，蛋白质需要折叠成非常特殊的三维形状
这种新方法就像一个指南，可以预测蛋白质结构中最重要的折叠，使设计过程更加准确
谢菲尔德大学和阿斯利康的研究人员开发的一种人工智能方法可以更容易地设计新疗法所需的蛋白质。
在《自然机器智能》杂志上发表的一项研究中，谢菲尔德的计算机科学家与阿斯利康和南安普顿大学合作开发了一种新的机器学习框架，该框架显示出比现有的最先进方法更准确地进行蛋白质逆折叠的潜力。
蛋白质逆折叠是合成新型蛋白质的关键过程。它识别氨基酸序列（蛋白质的组成部分），使其折叠成所需的三维结构，并使其发挥特定功能。蛋白质工程通过设计能够与体内特定靶点结合的蛋白质，在药物开发中发挥着关键作用。然而，由于蛋白质折叠的复杂性以及难以预测氨基酸序列如何相互作用形成功能结构，这一过程极具挑战性。
科学家们已转向机器学习，以更准确地预测哪些氨基酸序列将折叠成稳定、功能性的蛋白质结构。这些模型在已知蛋白质序列和结构的大量数据集上进行训练，以改进逆向折叠预测。
由谢菲尔德大学、阿斯利康和南安普顿大学联合开发的全新机器学习框架 MapDiff，在模拟测试中预测准确率超越了最先进的人工智能。该研究结果为进一步开发该技术奠定了良好的基础，如果成功，将有望加速开发新型疫苗、基因疗法和其他治疗方式所需的关键蛋白质的设计。此外，它还补充了其他最新进展，例如 AlphaFold，它通过逆向方法预测蛋白质的三维结构，从蛋白质折叠入手，检索潜在的氨基酸序列。
谢菲尔德大学机器学习教授、该研究的通讯作者卢海平表示：“这项研究代表着利用人工智能设计具有所需结构的蛋白质迈出了重要的一步。通过学习如何生成可能折叠成特定三维结构的氨基酸序列，我们的方法为设计新型治疗性蛋白质开辟了新的可能性，这些蛋白质可用于各种治疗应用。看到人工智能帮助我们应对生物学中如此根本的挑战，我们感到非常兴奋。”
阿斯利康高级机器学习科学家白培真在谢菲尔德大学计算机科学学院攻读博士学位期间开发了这项人工智能技术。他表示：“在攻读博士学位期间，我被人工智能加速生物发现的潜力所激励。我很自豪，我们的方法 MapDiff 能够帮助设计出更有可能折叠成所需 3D 结构的蛋白质序列——这是迈向下一代疗法的关键一步。”
这项研究是业界专家联合开展的一项非资助合作的成果，并以谢菲尔德大学计算机科学家和阿斯利康公司先前的研究为基础。阿斯利康公司开发了DrugBAN – AI，可以预测候选药物是否会与人体内的目标蛋白分子结合，从而加速新药的研发。该论文成为《自然机器智能》杂志2023年引用次数最多的论文之一。
生物通微信公众号
生物通 版权所有
