多伦多大学开发了深度学习模型，比谷歌人工智能系统更能预测肽结构

多伦多大学的研究人员开发了一种名为PepFlow的深度学习模型，可以预测肽的所有可能形状——肽是比蛋白质短的氨基酸链，但具有类似的生物功能。众所周知，多肽具有高度的灵活性，具有广泛的折叠模式，因此参与了许多研究人员在治疗方法开发中感兴趣的生物过程。

　　

多伦多大学的研究人员开发了一种名为PepFlow的深度学习模型，可以预测肽的所有可能形状——肽是比蛋白质短的氨基酸链，但具有类似的生物功能。

PepFlow结合了机器学习和物理学来模拟肽可以根据其能量格局假设的折叠模式范围。肽与蛋白质不同，它是非常动态的分子，可以呈现一系列的构象。

“到目前为止，我们还无法对肽的全部构象进行建模，”该研究的第一作者、最近在多伦多大学唐纳利细胞和生物分子研究中心获得分子遗传学博士学位的奥萨马·阿卜丁说。“PepFlow利用深度学习在几分钟内捕获肽的精确和准确的构象。这个模型有潜力通过设计充当粘合剂的肽来为药物开发提供信息。”

这项研究今天发表在《自然机器智能》杂志上。

肽在人体中的作用与它的折叠方式直接相关，因为它的3D结构决定了它与其他分子结合和相互作用的方式。众所周知，多肽具有高度的灵活性，具有广泛的折叠模式，因此参与了许多研究人员在治疗方法开发中感兴趣的生物过程。

“肽是PepFlow模型的重点，因为它们是非常重要的生物分子，它们自然是非常动态的，所以我们需要对它们的不同构象进行建模，以了解它们的功能，”该研究的首席研究员、唐纳利中心的教授菲利普·m·金(Philip M. Kim)说。“它们作为治疗药物也很重要，就像GLP1类似物可以看到的那样，比如用于治疗糖尿病和肥胖症的Ozempic。”

同时也是多伦多大学文理学院计算机科学教授的Kim说，多肽的生产成本也比它们的大型蛋白质更便宜。

新模型扩展了谷歌Deepmind领先的预测蛋白质结构的人工智能系统AlphaFold的能力。PepFlow可以通过生成给定肽的一系列构象来优于AlphaFold2，这是AlphaFold2无法做到的。

PepFlow的与众不同之处在于它的技术创新。例如，它是一个广义模型，灵感来自玻尔兹曼生成器，这是一种高度先进的基于物理的机器学习模型。

PepFlow还可以模拟具有不寻常结构的肽结构，例如由称为大环化的过程产生的环状结构。肽大环目前是一个非常有前途的药物开发场所。

虽然PepFlow在AlphaFold2的基础上进行了改进，但作为模型的第一个版本，它也有自己的局限性。该研究的作者指出了PepFlow可以改进的一些方法，包括用溶剂原子的明确数据训练模型，溶剂原子可以溶解肽形成溶液，以及限制环状结构中原子之间的距离。

PepFlow的建立是为了方便地扩展，以考虑额外的考虑和新的信息和潜在的用途。即使作为第一个版本，PepFlow也是一个全面而有效的模型，具有进一步发展依赖肽结合来激活或抑制生物过程的治疗的潜力。

Abdin说:“PepFlow建模提供了对肽的真实能量景观的洞察。”“开发PepFlow花了两年半的时间，训练它花了一个月的时间，但除了只能预测肽的一种结构的模型之外，进入下一个前沿领域是值得的。”