在蛋白質結構預測上，人工智能革命仍在繼續。一年前，軟件程序首次成功地模擬了單個蛋白質的3D形狀。今年夏天，研究人員利用人工智能程序編制了一個近乎完整的人類蛋白質結構目錄。現在，美國研究人員更進一步使用人工智能技術確定了不同蛋白質之間可能的相互作用，以及由這種相互作用產生的“復合體”是什么樣子的。相關研究結果發表于《科學》。
斯坦福大學系統生物學家Michael Snyder表示，這項新發現會促進細胞生物學領域產生一系列新觀點，并為發現下一代治療藥物指明新方向。
幾十年來，精確重現人類蛋白質的形態和結構，一直是研究人員的目標。過去，要追求這個目標很困難，需要昂貴且緩慢的實驗，如X射線晶體學和核磁共振光譜學實驗。即使實驗取得進展，也只能得到單個蛋白質的某些結構。
計算機專家一直致力于加快實現該目標。他們借助人工智能和深度學習算法，使用蛋白質結構數據庫來訓練軟件程序根據蛋白質的氨基酸序列預測蛋白質的結構。
該研究同時使用了華盛頓大學的RoseTTAFold和DeepMind的AlphaFold工具，篩選了830萬對酵母蛋白的配對多序列比對，識別出了1505種可能的相互作用，并為106個以前未識別的部分和806個尚未結構表征的部分構建了結構模型。
為了找到可以形成復合物的蛋白質，研究團隊首先將所有6000種酵母蛋白質的氨基酸序列，與2026種其他真菌、4325種其他真核生物的氨基酸序列進行比較。在比較過程中，研究人員追蹤了這些蛋白質的進化過程，并識別出不同蛋白質中同時發生變化的序列。研究人員推斷，這些蛋白質可能會形成復合物，并會逐步改變以保持它們之間的相互作用。
隨后，團隊嘗試揭示每組候選對象的3D結構。在共830萬個“候選”酵母蛋白質對中，兩個人工智能程序合力識別出了1506種可能發生相互作用的蛋白質，并成功繪制出其中712個的3D結構。
研究通訊作者之一、得克薩斯大學西南醫學中心生物醫學信息學專家Qian Cong表示，這些相互作用涵蓋了真核細胞的所有活動。該研究的亮點在于發現了蛋白質復合物的結構，這種復合物在細胞活動中發揮著不可替代的重要作用，如讓細胞修復DNA損傷等。這一發現為未來新靶向藥物的研發提供了更多可能。
AlphaFold首席開發人員之一、DeepMind團隊成員John Jumper也對此給予了高度評價：“這是再現蛋白質3D結構的一個很有前途的研究實例。明確了蛋白質之間如何相互作用，生物學家就可以進一步發現復合物細胞內執行多項任務的機制。”
上個月，Jumper團隊在bioRxiv上發布了一篇論文，介紹了AlphaFold人工智能的新版本，名為AlphaFold-Multimer。該工具繪制出了4433種蛋白質復合物的結構，準確率達到69%。(辛雨)
營業執照公示信息