人工智能(AI)已经卷土重来,克服了生物学领域的一个主要问题:预测蛋白质将如何从线性氨基酸链卷曲成3D形状以执行其任务。据美国媒体2020年11月30日报道,“蛋白质结构预测临界评估”(CASP)竞赛带来了好消息:英国“DeepMind”声称其AI已经取得了上述成就,他们的方法将大大加快新药研发的进程。
人体有成千上万种不同的蛋白质,每种蛋白质都含有几十到几百种氨基酸。这些氨基酸的排列顺序决定了它们之间的相互作用,赋予了蛋白质复杂的三维形状,进而决定了蛋白质的功能。了解这些三维形状将有助于研究人员设计可以留在蛋白质间隙中的药物。此外,合成所需结构的蛋白质还可以加快酶的发展进程,有利于生物燃料领域。
几十年来,研究人员使用X射线晶体学或cryo-EM等实验技术来破译蛋白质的三维结构,但这种方法可能需要几个月甚至几年的时间,而且可能效果不佳。目前,在生命中发现的2亿多种蛋白质中,只有17万种蛋白质结构被破解。
1994年,为了更好地预测和破译蛋白质的三维结构,马里兰大学的结构生物学家john moore等人发起了CASP竞赛,该竞赛每两年举办一次。在2020年的比赛中,“深度学习”团队的“AlphaFold”方法的平均得分为92.4分(满分为100分,90分以上被认为与实验方法相当),最具挑战性的蛋白质的平均得分为87分,比第二好的预测高出25分。它甚至擅长预测嵌入细胞膜的蛋白质结构,这是许多人类疾病的核心,但很难用X射线晶体学进行研究。
欧洲生物信息研究所名誉主任珍妮特·桑顿(Janet Thornton)表示,“深度学习团队取得的成就令人惊叹,将改变结构生物学和蛋白质研究的未来。”
穆尔特说,这是一个50年的老问题。“阿尔法折叠”改变了游戏规则,实验者将能够利用精确的结构预测来理解不透明的X射线和低温电磁数据;药物设计者还可以快速明确冠状病毒等新的危险病原体中每种蛋白质的结构,从而更快地开发相关药物。
蛋白质的形状决定了它的功能。只有知道蛋白质是如何折叠的,才能知道蛋白质的作用。然而,分析蛋白质的折叠结构是非常困难的。常用的方法有冷冻显微镜、核磁共振或X射线。仔细看结构要花很长时间,成本也很高。预测蛋白质的折叠形状是“地狱般的困难”。它可以在极短的时间内将自己折叠成难以想象的形状,预测所需的计算能力十分惊人。在人工智能的帮助下,曾经的天方夜谭变成了现实。这可能是一个革命性的成果,为人类探索药物分子的世界提供了有力的工具。
评论列表()