在過去兩年中，機器學習徹底改變了蛋白質(zhì)結(jié)構(gòu)預測?，F(xiàn)在，《科學》雜志上的3篇論文描述了蛋白質(zhì)設計方面的革命：華盛頓大學醫(yī)學院生物學家的研究表明，機器學習可比以前更準確、更快速地創(chuàng)建蛋白質(zhì)分子?？茖W家們希望這一進步將帶來更多新的疫苗、療法、碳捕獲工具和可持續(xù)生物材料。

　　論文資深作者、華盛頓大學醫(yī)學院生物化學教授、2021年生命科學突破獎獲得者大衛(wèi)·貝克表示，蛋白質(zhì)是整個生物學的基礎(chǔ)，但迄今在每種植物、動物和微生物中發(fā)現(xiàn)的蛋白質(zhì)，遠不到所有可能蛋白質(zhì)的百分之一。有了這些新的軟件工具，研究人員應該能夠找到解決醫(yī)學、能源和技術(shù)方面長期挑戰(zhàn)的方案。

　　為了超越自然界中發(fā)現(xiàn)的蛋白質(zhì)，貝克團隊成員將蛋白質(zhì)設計的挑戰(zhàn)分解為3個部分，并為每個部分使用新的軟件解決方案。

　　首先，必須生成新的蛋白質(zhì)形狀。在《科學》雜志上稍早發(fā)表的論文中，該團隊設計人工智能（AI）通過兩種方式生成新的蛋白質(zhì)形狀：第一種稱為“幻覺”，類似于基于簡單提示就能產(chǎn)生輸出的工具；第二種稱為“修復”，類似于現(xiàn)代搜索欄中的自動完成功能。

　　其次，為加快這一過程，團隊設計了一種生成氨基酸序列的新算法。15日發(fā)表的論文描述了這個名為ProteinMPNN的工具，運行時間約為1秒，比以前最好的軟件快200多倍。它不但結(jié)果優(yōu)于以前的工具，還不需要專家定制即可運行。

　　第三，該團隊使用“深度思維”公司開發(fā)的“阿爾法折疊”來獨立評估他們提出的氨基酸序列是否可能折疊成預期的形狀。

　　研究人員表示，預測蛋白質(zhì)結(jié)構(gòu)的軟件是解決方案的一部分，但它本身無法提出任何新的東西。ProteinMPNN之于蛋白質(zhì)設計，就像“阿爾法折疊”之于蛋白質(zhì)結(jié)構(gòu)預測。

　　在另一篇論文中，貝克實驗室的一個團隊證實，新機器學習工具的組合能可靠地生成在實驗室中起作用的新蛋白質(zhì)。

　　研究發(fā)現(xiàn)，新制造的蛋白質(zhì)更有可能按預期折疊，因此可使用這一方法創(chuàng)建非常復雜的蛋白質(zhì)組裝體?！斑@是蛋白質(zhì)設計中機器學習的開端?！必惪苏f。（記者張夢然）