Nature：人工智能产生的蛋白质具有特殊的结合强度

　　

12月18日发表在《自然》杂志上的一项新研究报告了人工智能驱动的生物技术进步，对药物开发、疾病检测和环境监测具有重要意义。华盛顿大学医学院蛋白质设计研究所的科学家们使用软件来创建蛋白质分子，这些蛋白质分子与各种具有挑战性的生物标志物(包括人类激素)具有极高的亲和力和特异性。值得注意的是，科学家们在计算机生成的生物分子与其目标之间实现了有史以来最高的相互作用强度。

资深作者、华盛顿大学医学院生物化学教授、霍华德-休斯医学研究所研究员、2023 年生物学和生物医学知识前沿奖获得者David Baker强调了这一研究的潜在影响： "生成具有如此高结合亲和力和特异性的新型蛋白质的能力开辟了一个充满可能性的世界，从新的疾病治疗到先进的诊断"。

这个由Baker实验室成员Susana Vazquez-Torres、Preetham Venkatesh和Phil Leung领导的团队，开始创造可以结合胰高血糖素、神经肽Y、甲状旁腺激素和其他螺旋肽目标的蛋白质。这类分子在生物系统中至关重要，由于它们通常缺乏稳定的分子结构，因此药物和诊断工具尤其难以识别。抗体可用于检测其中一些医学上相关的目标，但通常生产成本高且保质期有限。

“今天有许多疾病难以治疗，仅仅是因为检测体内的某些分子非常具有挑战性。作为诊断工具，设计的蛋白质可能提供比抗体更具成本效益的替代品，”Venkatesh解释说。

这项研究引入了一种新的蛋白质设计方法，该方法使用了先进的深度学习方法。研究人员提出了一种使用射频扩散的新方法，这是一种用于创建新蛋白质形状的生成模型，与序列设计工具ProteinMPNN结合使用。这些程序由Baker实验室开发，使科学家能够比以往更有效地创造功能性蛋白质。通过以新的方式结合这些工具，研究小组利用有限的目标信息(如肽的氨基酸序列)生成了结合蛋白。这种“量身打造”方法的广泛影响表明，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，这标志着生物技术进入了一个新时代。

“我们正在见证一个令人兴奋的蛋白质设计时代，先进的人工智能工具，比如我们研究中的工具，正在加速蛋白质活性的提高。这一突破将重新定义生物技术的前景”。

该团队与哥本哈根大学等实验室实验室合作，进行了实验室测试，验证他们的生物设计方法。质谱法用于检测与人类血清中低浓度肽结合的设计蛋白，从而证明了敏感和准确疾病诊断的潜力。此外，即使在高温等恶劣条件下，蛋白质也能保持其目标结合能力，这是现实应用的关键属性。为了进一步展示该方法的潜力，研究人员将高亲和力甲状旁腺激素结合剂整合到生物传感器系统中，并在含有目标激素的样品中实现了21倍的生物发光信号增加。这种与诊断设备的整合凸显了人工智能生成的蛋白质的直接实际应用。

这一研究成果展示了生物技术和人工智能的融合，开创了这两个领域的新先例，发表在《自然》杂志上。