在过去两年中，机器学习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：华盛顿大学医学院的生物学家表明，机器学习可比以前更准确、更快速地创建蛋白质分子。科学家们希望这一进步将带来更多新的疫苗、疗法、碳捕获工具和可持续生物材料。
论文资深作者、华盛顿大学医学院生物化学教授、2021年生命科学突破奖获得者大卫•贝克表示，蛋白质是整个生物学的基础，但迄今在每种植物、动物和微生物中发现的蛋白质，远不到所有可能蛋白质的百分之一。有了这些新的软件工具，研究人员应该能够找到解决医学、能源和技术方面长期挑战的方案。
蛋白质常被称为“生命基石”，因为它们对于所有生物的结构和功能都是必不可少的。蛋白质中的氨基酸序列决定了它的三维形状，这种复杂的形状对于蛋白质的功能至关重要。
为了超越自然界中发现的蛋白质，贝克团队成员将蛋白质设计的挑战分解为3个部分，并为每个部分使用新的软件解决方案。
首先，必须生成新的蛋白质形状。在《科学》杂志上稍早发表的论文中，该团队表明AI可通过两种方式生成新的蛋白质形状。第一个被称为“幻觉”，类似于基于简单提示就能产生输出的工具。第二个被称为“修复”，类似于现代搜索栏中的自动完成功能。
其次，为加快这一过程，团队设计了一种生成氨基酸序列的新算法。15日发表的论文描述了这个名为ProteinMPNN的工具，运行时间约为一秒，比以前最好的软件快200多倍。它不但结果优于以前的工具，还不需要专家定制即可运行。
第三，该团队使用“深度思维”公司开发的阿尔法折叠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。
研究人员表示，预测蛋白质结构的软件是解决方案的一部分，但它本身无法提出任何新的东西。ProteinMPNN之于蛋白质设计，就像阿尔法折叠之于蛋白质结构预测。
在另一篇论文中，贝克实验室的一个团队证实，新机器学习工具的组合能可靠地生成在实验室中起作用的新蛋白质。
研究发现，新制造的蛋白质更有可能按预期折叠，因此可使用这一方法创建非常复杂的蛋白质组装体。“这是蛋白质设计中机器学习的开端。”贝克说。
编辑：王程玥
审核：朱丽
