三篇科学论文指出 人工智能可以用来比以前更准确、更快速地构建蛋白质分子 |
![]() |
来源:100医疗网原创2022-09-22 17336020
今天,发表在《科学》杂志上的三篇论文描述了蛋白质设计的里程碑式进展。在这些新论文中,来自华盛顿大学医学院的研究人员指出,机器学习可以用来比以前更准确、更快速地构建蛋白质分子。
在过去的两年里,机器学习彻底改变了蛋白质结构的预测。今天,发表在《科学》杂志上的三篇论文描述了蛋白质设计的里程碑式进展。在这些新论文中,来自华盛顿大学医学院的研究人员指出,机器学习可以用来比以前更准确、更快速地构建蛋白质分子。他们希望这一进展将带来许多新的疫苗、治疗方法、碳捕获工具和可持续生物材料。
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(David Baker)表示,蛋白质是整个生物学的基础,但我们知道,在每一种植物、动物和微生物中发现的所有蛋白质的比例远不到百分之一。有了这些新的软件工具,科学家应该能够找到解决医学、能源和技术领域长期挑战的方法。
蛋白质通常被称为生命的基石,因为它们对所有生物的结构和功能都是必不可少的。它们参与了细胞中几乎所有的过程,包括生长、分裂和修复。蛋白质由称为氨基酸的长化学链组成。蛋白质中的氨基酸序列决定了它的三维形状。这种复杂的形状对蛋白质的功能至关重要。
最近,包括AlphaFold和RoseTTAFold在内的强大的机器学习算法已经被训练成完全基于氨基酸序列来预测天然蛋白质的详细形状。机器学习是一种人工智能,它允许计算机在没有显式编程的情况下从数据中学习。机器学习可以用来对人类难以理解的复杂科学问题进行建模。
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三个部分,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。在第一篇论文中,贝克的团队指出,人工智能可以通过两种方式生成新的蛋白质形状。第一种方法叫做幻觉,类似于DALL-E或者其他根据简单提示产生输出的生成式人工智能工具。第二种方法叫做修补,类似于现代搜索栏中的自动补全功能。相关研究成果发表在2022年7月22日的《科学》杂志上,题目是利用深度学习搭建蛋白质功能位点。
其次,为了加快这个过程,贝克的团队设计了一种新的算法来生成氨基酸序列。在第二篇论文中,他们描述了这个名为ProteinMPNN的软件工具,其运行时间大约为一秒钟。这比以前最好的软件快200多倍。结果比以前的工具更好,软件可以在没有专家定制的情况下运行。相关研究成果于2022年9月15日在线发表在《科学》杂志上,题目是《使用蛋白质MP NN进行基于鲁棒深度学习的蛋白质序列设计》。
华盛顿大学蛋白质设计研究所的博士后研究员Justas Dauparas表示,如果有大量的数据,训练神经网络是很容易的,但对于蛋白质来说,我们没有我们想要的那么多例子。我们必须进去确定这些分子的哪些特征是最重要的。有点像尝试错误的方法。
第三,贝克团队使用Alphabet的子公司DeepMind公司开发的工具AlphaFold,独立评估他们获得的氨基酸序列是否可以折叠成预定的形状。
Dauparas解释说,预测蛋白质结构的软件是解决方案的一部分,但它本身不能提出任何新的东西。Baker补充说,ProteinMPNN对蛋白质设计的重要性不亚于AlphaFold对蛋白质结构预测的重要性。
在第三篇论文中,贝克的团队证实了新机器学习工具的组合可以可靠地生成在实验室中发挥作用的新蛋白质。相关研究成果于2022年9月15日在线发表在《科学》杂志上,题目是《幻觉对称蛋白质组装体》。
华盛顿大学蛋白质设计研究所的博士后研究员Basile Wicky说,我们发现用ProteinMPNN制成的蛋白质更有可能按照预期折叠,我们可以使用这些方法构建非常复杂的蛋白质组装体。
在制造的新蛋白质中,有一些纳米大小的环,这些作者认为可以用作定制纳米机器的部件。电子显微镜被用来观察这些直径比罂粟籽小十亿倍的环。
贝克说,这是机器学习在蛋白质设计中的开始。在接下来的几个月里,我们将努力改善这一状况。
些工具,以构建出更加动态和功能性的蛋白。 ( 100yiyao.com)参考资料:
1. Jue Wang et al. . Science, 2022, doi:10.1126/science.abn2100.
2. J. Dauparas et al. . Science, 2022, doi:10.1126/science.add2187.
3. B.I.M.Wicky et al. . Science, 2022, doi:10.1126/science.add1964.
4. Beyond AlphaFold: AI excels at creating new proteins
https://phys.org/news/2022-09-alphafold-ai-excels-proteins.html
版权声明 本网站所有注明“来源:100医药网”或“来源:bioon”的文字、图片和音视频资料,版权均属于100医药网网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:100医药网”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。 87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

- 相关报道
-
- 盛大开幕丨MBL北京细胞治疗技术研发中心在京成立 (2023-06-07)
- 邢念增/肖海华团队首次开发铜死亡纳米药物,增强癌症免疫治疗效果 (2023-06-06)
- 肺癌专家高峰论坛在乐城隆重召开,推动疾病防治关口前移,探索肺癌早筛早诊新路径 (2023-06-06)
- 两大集采品种大跌50%,造影剂Top10洗牌 (2023-06-06)
- 12家中药老字号业绩大比拼 股价平均涨幅近30% (2023-06-06)
- 国产带状疱疹疫苗上市 适用人群扩龄至40岁及以上 (2023-06-06)
- 全国中成药集采:62亿规模,医疗机构认可度、技术评分是关键 (2023-06-06)
- 《自然·医学》:阿尔茨海默病发生机制重大突破!科学家发现,星形胶质细胞反应性是Aβ驱动tau病理的关键一环 (2023-06-06)
- Mol Neurodegeneration:揭示小胶质细胞促进机体大脑损伤背后的分子机制 (2023-06-06)
- 宁海中医徐友江 突破世界疑难症——美尼尔氏综合症 (2023-06-06)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040