12月18日發表在《自然》雜志上的一項新研究報告了人工智能驅動的生物技術進步，對藥物開發、疾病檢測和環境監測具有重要意義。華盛頓大學醫學院蛋白質設計研究所的科學家們使用軟件來創建蛋白質分子，這些蛋白質分子與各種具有挑戰性的生物標志物(包括人類激素)具有極高的親和力和特異性。值得注意的是，科學家們在計算機生成的生物分子與其目標之間實現了有史以來最高的相互作用強度。

資深作者、華盛頓大學醫學院生物化學教授、霍華德-休斯醫學研究所研究員、2023 年生物學和生物醫學知識前沿獎獲得者David Baker強調了這一研究的潛在影響： "生成具有如此高結合親和力和特異性的新型蛋白質的能力開辟了一個充滿可能性的世界，從新的疾病治療到先進的診斷"。

這個由Baker實驗室成員Susana Vazquez-Torres、Preetham Venkatesh和Phil Leung領導的團隊，開始創造可以結合胰高血糖素、神經肽Y、甲狀旁腺激素和其他螺旋肽目標的蛋白質。這類分子在生物系統中至關重要，由于它們通常缺乏穩定的分子結構，因此藥物和診斷工具尤其難以識別?？贵w可用于檢測其中一些醫學上相關的目標，但通常生產成本高且保質期有限。

“今天有許多疾病難以治療，僅僅是因為檢測體內的某些分子非常具有挑戰性。作為診斷工具，設計的蛋白質可能提供比抗體更具成本效益的替代品，”Venkatesh解釋說。

這項研究引入了一種新的蛋白質設計方法，該方法使用了先進的深度學習方法。研究人員提出了一種使用射頻擴散的新方法，這是一種用于創建新蛋白質形狀的生成模型，與序列設計工具ProteinMPNN結合使用。這些程序由Baker實驗室開發，使科學家能夠比以往更有效地創造功能性蛋白質。通過以新的方式結合這些工具，研究小組利用有限的目標信息(如肽的氨基酸序列)生成了結合蛋白。這種“量身打造”方法的廣泛影響表明，人工智能生成的蛋白質可用于檢測與人類健康和環境相關的復雜分子，這標志著生物技術進入了一個新時代。

“我們正在見證一個令人興奮的蛋白質設計時代，先進的人工智能工具，比如我們研究中的工具，正在加速蛋白質活性的提高。這一突破將重新定義生物技術的前景”。

該團隊與哥本哈根大學等實驗室實驗室合作，進行了實驗室測試，驗證他們的生物設計方法。質譜法用于檢測與人類血清中低濃度肽結合的設計蛋白，從而證明了敏感和準確疾病診斷的潛力。此外，即使在高溫等惡劣條件下，蛋白質也能保持其目標結合能力，這是現實應用的關鍵屬性。為了進一步展示該方法的潛力，研究人員將高親和力甲狀旁腺激素結合劑整合到生物傳感器系統中，并在含有目標激素的樣品中實現了21倍的生物發光信號增加。這種與診斷設備的整合凸顯了人工智能生成的蛋白質的直接實際應用。

這一研究成果展示了生物技術和人工智能的融合，開創了這兩個領域的新先例，發表在《自然》雜志上。


（文章來源：www.ebiotrade.com/newsf/2023-12）