AI能通过快速挑选活性蛋白质，加速药物开发过程-技术圈

大数据文摘出品

编译：张大笔茹

瑞典查尔默斯理工大学的研究人员最近研究发现，人工智能现在能够挑选出新的、具有功能活性的蛋白质。

查尔莫斯大学生物学与生物工程学系副教授Aleksej Zelezniak表示，“我们现在研究的东西为未来许多应用场景提供了巨大的潜力，例如更快，更具成本效益的蛋白质药物开发”。

蛋白质是大而复杂的分子，在所有活细胞中起着至关重要的作用，它们会自然地组成，修饰和分解细胞内的其他分子，也广泛用于工业过程和产品以及我们的日常生活中。

以蛋白质为基础的药物非常普遍——治疗糖尿病的胰岛素是处方最多的药物之一。一些最昂贵和有效的抗癌药物也是蛋白质，还包括目前用于治疗COVID-19的抗体配方。

从计算机设计到获取活性蛋白仅需几周时间

当前的蛋白质工程方法依赖于将随机突变引入蛋白质序列。然而，每引入一个额外的随机突变，蛋白质活性就会下降。

因此，必须进行多轮昂贵且耗时的实验，筛选出数百万个变体，以改造最终与自然界发现的蛋白质和酶截然不同的蛋白质和酶，这个过程是非常缓慢的。但是现在有了一种基于AI的方法，可以在短短几周内从计算机设计过渡到筛选出活性蛋白。

Chalmers研究人员的最新结果最近发表在《自然机器智能》杂志上，代表了合成蛋白质领域的一项突破。Aleksej Zelezniak的研究小组和合作者已经开发了一种基于AI的、使用生成型深度学习方法，称为ProteinGAN的软件。

从本质上讲，AI是通过研究大量来自经过深入研究的蛋白质的数据，并基于这些数据创建新的蛋白质。

同时，AI的另一部分功能是弄清楚合成蛋白是否有活性。蛋白质在系统中来回发送，直到AI不再区分天然和合成蛋白质为止。此方法以创建不存在的人的照片和视频而闻名。但是在本研究中，用于产生可以对其功能进行测试的、具有类似自然主义的物理特性的高度多样化的蛋白质变体。

我们日常生活中广泛使用的蛋白质并不总是完全天然的，有的是通过合成生物学和蛋白质工程技术制成的。使用这些技术，对原始蛋白质序列进行了修饰来创建合成的新型蛋白质变体，这些变体更加有效，稳定并针对特定应用进行了定制。因此基于AI的新方法对于开发有效的工业酶以及基于蛋白质的新疗法（例如抗体和疫苗）非常重要。

具有成本效益和可持续发展的模型

同样是生物学和生物工程学系的马丁·恩格奎斯特（Martin Engqvist）助理教授参与了设计实验，主要负责测试AI合成的蛋白质的活性。

降低蛋白质工程设计的速度对于降低酶催化剂的开发成本非常重要，这是实现环境可持续的工业流程和消费产品的关键，AI模型以及未来的模型都将实现这一目标。从这方面来说，我们的工作是至关重要的贡献。

只有存在的多学科环境中，即在计算机科学和生物学的结合上，这种工作才可能实现。我们有完美的条件来实验测试这些AI设计的蛋白质的特性。

研究人员的下一步是探索如何将该技术用于蛋白质特性的特定改进，例如提高稳定性，这可能会对工业技术中使用的蛋白质带来极大的改变。