一種使用深度學習方法設計出來的新蛋白質。圖片來源：華盛頓大學醫(yī)學院蛋白質設計研究所

美國科學家借助機器學習軟件，創(chuàng)建出一批具有非凡結合強度的蛋白質分子。這些分子與包括人類激素在內的各種生物標志物具有極高的親和力和特異性。而且，有些分子與其目標之間實現了迄今最高的相互作用強度。最新研究有望在新藥研發(fā)、疾病檢測和環(huán)境監(jiān)測等領域大顯身手。相關論文發(fā)表于18日出版的《自然》雜志。

由華盛頓大學醫(yī)學院教授戴維·貝克領導的團隊著手創(chuàng)造可與胰高糖素、神經肽Y、甲狀旁腺激素和其他螺旋肽靶點結合的蛋白質。這類分子在生物系統(tǒng)內至關重要，但其缺乏穩(wěn)定的分子結構，導致藥物和診斷工具極難識別?？贵w可檢測出其中一些靶點，但通常生產成本高昂，保質期有限。

在最新研究中，科學家將用于創(chuàng)建新蛋白質形狀的生成模型RFdiffusion與設計蛋白質序列的工具ProteinMPNN強強聯手。通過使用有限的靶信息，例如單獨的肽的氨基酸序列，它們能更有效地創(chuàng)造功能性結合蛋白。

該團隊與丹麥哥本哈根大學等機構合作，開展實驗室測試，以驗證這一生物設計方法。結果顯示，盡管在高溫等苛刻條件下，人工智能生成的蛋白質仍保持了靶向結合能力，這是其走向實用的關鍵。研究團隊還將生成的高親和力甲狀旁腺激素黏合劑集成到生物傳感器系統(tǒng)內，將生物發(fā)光信號增強了21倍。這種與診斷設備的集成能力也揭示了人工智能生成蛋白質的即時應用潛能。

研究團隊表示，他們正在見證蛋白質設計的一個激動人心時代：人工智能生成的蛋白質可用于檢測與人類健康和環(huán)境相關的復雜分子，廣泛應用于從疾病治療到高級診斷等多個領域。他們最新設計出的蛋白可以作為診斷工具，成為更具成本效益的抗體替代品。

來源：科技日報