在蛋白质结构预测上,人工智能仍在继续。一年前,软件程序首次成功地模拟了单个蛋白质得3D形状。今年夏天,研究人员利用人工智能程序编制了一个近乎完整得人类蛋白质结构目录。现在,美国研究人员更进一步使用人工智能技术确定了不同蛋白质之间可能得相互作用,以及由这种相互作用产生得“复合体”是什么样子得。相关研究结果发表于《科学》。
斯坦福大学系统生物学家Michael Snyder表示,这项新发现会促进细胞生物学领域产生一系列新观点,并为发现下一代治疗药物指明新方向。
几十年来,精确重现人类蛋白质得形态和结构,一直是研究人员得目标。过去,要追求这个目标很困难,需要昂贵且缓慢得实验,如X射线晶体学和核磁共振光谱学实验。即使实验取得进展,也只能得到单个蛋白质得某些结构。
计算机可能一直致力于加快实现该目标。他们借助人工智能和深度学习算法,使用蛋白质结构数据库来训练软件程序根据蛋白质得氨基酸序列预测蛋白质得结构。
该研究同时使用了华盛顿大学得RoseTTAFold和DeepMind得AlphaFold工具,筛选了830万对酵母蛋白得配对多序列比对,识别出了1505种可能得相互作用,并为106个以前未识别得部分和806个尚未结构表征得部分构建了结构模型。
为了找到可以形成复合物得蛋白质,研究团队首先将所有6000种酵母蛋白质得氨基酸序列,与2026种其他真菌、4325种其他真核生物得氨基酸序列进行比较。在比较过程中,研究人员追踪了这些蛋白质得进化过程,并识别出不同蛋白质中同时发生变化得序列。研究人员推断,这些蛋白质可能会形成复合物,并会逐步改变以保持它们之间得相互作用。
随后,团队尝试揭示每组候选对象得3D结构。在共830万个“候选”酵母蛋白质对中,两个人工智能程序合力识别出了1506种可能发生相互作用得蛋白质,并成功绘制出其中712个得3D结构。
研究通讯感谢分享之一、得克萨斯大学西南医学中心生物医学信息学可能Qian Cong表示,这些相互作用涵盖了真核细胞得所有活动。该研究得亮点在于发现了蛋白质复合物得结构,这种复合物在细胞活动中发挥着不可替代得重要作用,如让细胞修复DNA损伤等。这一发现为未来新靶向药物得研发提供了更多可能。
AlphaFold首席开发人员之一、DeepMind团队成员John Jumper也对此给予了高度评价:“这是再现蛋白质3D结构得一个很有前途得研究实例。明确了蛋白质之间如何相互作用,生物学家就可以进一步发现复合物细胞内执行多项任务得机制。”
上个月,Jumper团队在bioRxiv上发布了一篇论文,介绍了AlphaFold人工智能得新版本,名为AlphaFold-Multimer。该工具绘制出了4433种蛋白质复合物得结构,准确率达到69%。(辛雨)
近日: 《华夏科学报》