得益于瑞典查尔默斯理工大学的研究人员最近发表的工作，人工智能现在能够产生新颖的，具有功能活性的蛋白质。Chalmers生物学与生物工程学系副教授Aleksej Zelezniak说：“我们现在能够证明的东西为许多未来的应用提供了巨大的潜力，例如更快，更经济地开发基于蛋白质的药物。” 。

蛋白质是大而复杂的分子，在所有活细胞中起着至关重要的作用，它们会自然地构建，修饰和分解我们细胞内的其他分子。它们还广泛用于工业过程和产品以及我们的日常生活中。

基于蛋白质的药物非常普遍-糖尿病药物胰岛素是处方最多的药物之一。一些最昂贵和有效的抗癌药物也是基于蛋白质的，以及目前用于治疗的抗体配方。

从计算机设计到工作蛋白，仅需几个星期

用于蛋白质工程的当前方法依赖于将随机突变引入蛋白质序列。但是，每引入一个额外的随机突变，蛋白质活性就会下降。

研究负责人Aleksej Zelezniak继续说道：“因此，必须进行多轮非常昂贵且耗时的实验，筛选出数百万个变体，以改造最终与自然界发现的蛋白质和酶截然不同的蛋白质和酶。”

“这个工程过程非常缓慢，但是现在我们有了一种基于AI的方法，可以在短短几周内从计算机设计过渡到工作蛋白。”

Chalmers研究人员的新结果最近发表在《自然机器智能》杂志上，代表了合成蛋白质领域的一项突破。Aleksej Zelezniak的研究小组和合作者已经开发了一种基于AI的方法，称为ProteinGAN，该方法使用了生成型深度学习方法。

从本质上讲，可以为AI提供大量来自经过深入研究的蛋白质的数据。它研究了这些数据，并尝试根据它创建新的蛋白质。

同时，人工智能的另一部分试图弄清楚合成蛋白是否是假的。蛋白质在系统中来回发送，直到AI不再区分天然和合成蛋白质为止。

此方法以创建不存在的人的照片和视频而闻名，但是在本研究中，该方法用于产生具有类似自然主义的物理特性的高度多样化的蛋白质变体，可以对其功能进行测试。

日常产品中广泛使用的蛋白质并不总是完全天然的，而是通过合成生物学和蛋白质工程技术制成的。使用这些技术，对原始蛋白质序列进行了修饰，以期希望创建合成的新型蛋白质变体，这些变体更加有效，稳定并针对特定应用进行了定制。基于AI的新方法对于开发有效的工业酶以及基于蛋白质的新疗法(例如抗体和疫苗)非常重要。

具有成本效益和可持续发展的模型

同样是生物学和生物工程学系的马丁·恩格奎斯特(Martin Engqvist)助理教授参与了设计实验，以测试AI合成的蛋白质。

“降低蛋白质工程设计的速度对于降低酶催化剂的开发成本非常重要。这是实现环境可持续的工业流程和消费产品的关键，而我们的AI模型以及未来的模型将能够实现这一目标。在这方面，我们的工作是至关重要的。”

Aleksej Zelezniak说：“这种工作只有在我们部门存在的多学科环境中才能实现-在计算机科学和生物学的交界处。我们有实验条件来测试这些AI设计的蛋白质的特性。”

研究人员的下一步是探索如何将该技术用于蛋白质特性的特定改进，例如提高稳定性，这可能会对工业技术中使用的蛋白质产生极大的好处。

标签： AI方法