12月18日發(fā)表在《自然》雜志上的一項新研究報告了人工智能驅(qū)動的生物技術(shù)進步，對藥物開發(fā)、疾病檢測和環(huán)境監(jiān)測具有重要意義。華盛頓大學醫(yī)學院蛋白質(zhì)設(shè)計研究所的科學家們使用軟件來創(chuàng)建蛋白質(zhì)分子，這些蛋白質(zhì)分子與各種具有挑戰(zhàn)性的生物標志物(包括人類激素)具有極高的親和力和特異性。值得注意的是，科學家們在計算機生成的生物分子與其目標之間實現(xiàn)了有史以來最高的相互作用強度。
資深作者、華盛頓大學醫(yī)學院生物化學教授、霍華德-休斯醫(yī)學研究所研究員、2023 年生物學和生物醫(yī)學知識前沿獎獲得者David Baker強調(diào)了這一研究的潛在影響： "生成具有如此高結(jié)合親和力和特異性的新型蛋白質(zhì)的能力開辟了一個充滿可能性的世界，從新的疾病治療到先進的診斷"。
這個由Baker實驗室成員Susana Vazquez-Torres、Preetham Venkatesh和Phil Leung領(lǐng)導的團隊，開始創(chuàng)造可以結(jié)合胰高血糖素、神經(jīng)肽Y、甲狀旁腺激素和其他螺旋肽目標的蛋白質(zhì)。這類分子在生物系統(tǒng)中至關(guān)重要，由于它們通常缺乏穩(wěn)定的分子結(jié)構(gòu)，因此藥物和診斷工具尤其難以識別。抗體可用于檢測其中一些醫(yī)學上相關(guān)的目標，但通常生產(chǎn)成本高且保質(zhì)期有限。
“今天有許多疾病難以治療，僅僅是因為檢測體內(nèi)的某些分子非常具有挑戰(zhàn)性。作為診斷工具，設(shè)計的蛋白質(zhì)可能提供比抗體更具成本效益的替代品，”Venkatesh解釋說。
這項研究引入了一種新的蛋白質(zhì)設(shè)計方法，該方法使用了先進的深度學習方法。研究人員提出了一種使用射頻擴散的新方法，這是一種用于創(chuàng)建新蛋白質(zhì)形狀的生成模型，與序列設(shè)計工具ProteinMPNN結(jié)合使用。這些程序由Baker實驗室開發(fā)，使科學家能夠比以往更有效地創(chuàng)造功能性蛋白質(zhì)。通過以新的方式結(jié)合這些工具，研究小組利用有限的目標信息(如肽的氨基酸序列)生成了結(jié)合蛋白。這種“量身打造”方法的廣泛影響表明，人工智能生成的蛋白質(zhì)可用于檢測與人類健康和環(huán)境相關(guān)的復(fù)雜分子，這標志著生物技術(shù)進入了一個新時代。
“我們正在見證一個令人興奮的蛋白質(zhì)設(shè)計時代，先進的人工智能工具，比如我們研究中的工具，正在加速蛋白質(zhì)活性的提高。這一突破將重新定義生物技術(shù)的前景”。
該團隊與哥本哈根大學等實驗室實驗室合作，進行了實驗室測試，驗證他們的生物設(shè)計方法。質(zhì)譜法用于檢測與人類血清中低濃度肽結(jié)合的設(shè)計蛋白，從而證明了敏感和準確疾病診斷的潛力。此外，即使在高溫等惡劣條件下，蛋白質(zhì)也能保持其目標結(jié)合能力，這是現(xiàn)實應(yīng)用的關(guān)鍵屬性。為了進一步展示該方法的潛力，研究人員將高親和力甲狀旁腺激素結(jié)合劑整合到生物傳感器系統(tǒng)中，并在含有目標激素的樣品中實現(xiàn)了21倍的生物發(fā)光信號增加。這種與診斷設(shè)備的整合凸顯了人工智能生成的蛋白質(zhì)的直接實際應(yīng)用。
這一研究成果展示了生物技術(shù)和人工智能的融合，開創(chuàng)了這兩個領(lǐng)域的新先例，發(fā)表在《自然》雜志上。
（文章來源：www.ebiotrade.com/newsf/2023-12）
| 
