一种使用深度学习方法设计出来的新蛋白质。图片来源：华盛顿大学医学院蛋白质设计研究所
美国科学家借助机器学习软件，创建出一批具有非凡结合强度的蛋白质分子。这些分子与包括人类激素在内的各种生物标志物具有极高的亲和力和特异性。而且，有些分子与其目标之间实现了迄今最高的相互作用强度。最新研究有望在新药研发、疾病检测和环境监测等领域大显身手。相关论文发表于18日出版的《自然》杂志。
由华盛顿大学医学院教授戴维·贝克领导的团队着手创造可与胰高糖素、神经肽Y、甲状旁腺激素和其他螺旋肽靶点结合的蛋白质。这类分子在生物系统内至关重要，但其缺乏稳定的分子结构，导致药物和诊断工具极难识别。抗体可检测出其中一些靶点，但通常生产成本高昂，保质期有限。
在最新研究中，科学家将用于创建新蛋白质形状的生成模型RFdiffusion与设计蛋白质序列的工具ProteinMPNN强强联手。通过使用有限的靶信息，例如单独的肽的氨基酸序列，它们能更有效地创造功能性结合蛋白。
该团队与丹麦哥本哈根大学等机构合作，开展实验室测试，以验证这一生物设计方法。结果显示，尽管在高温等苛刻条件下，人工智能生成的蛋白质仍保持了靶向结合能力，这是其走向实用的关键。研究团队还将生成的高亲和力甲状旁腺激素黏合剂集成到生物传感器系统内，将生物发光信号增强了21倍。这种与诊断设备的集成能力也揭示了人工智能生成蛋白质的即时应用潜能。
研究团队表示，他们正在见证蛋白质设计的一个激动人心时代：人工智能生成的蛋白质可用于检测与人类健康和环境相关的复杂分子，广泛应用于从疾病治疗到高级诊断等多个领域。他们最新设计出的蛋白可以作为诊断工具，成为更具成本效益的抗体替代品。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
