生成AI有助于设计新的蛋白质

研究人员多伦多大学已经开发出一个人工智能系统,可以使用生成创建在自然界发现的蛋白质不扩散、流行等制造幻影平台背后同样的技术DALL-E和Midjourney。

系统将有助于推进生殖生物学领域,这将加速药物开发通过全新的设计和测试治疗更有效和灵活的蛋白质。

“我们的模型可以从图像表征生成完全新的蛋白质,以非常高的速度,”菲利普·m·金说,教授唐纳利细胞和生物分子研究中心在T UTemerty医学院。“我们所有的蛋白质似乎是生物物理真实,这意味着他们折叠成配置,使他们进行细胞内特定功能。”

今天,《华尔街日报》自然计算科学发表结果,第一个在同行评议的杂志上发表。金正日的实验室也发表了预印去年夏天在模型通过开放获取服务器bioRxiv,从去年12月,在两个相似的预印射频扩散华盛顿大学和浓度通过生成共同参与。

蛋白质是由氨基酸链折叠成三维形状,进而决定蛋白质功能。这些形状演化数十亿年来,是多样的、复杂的,而且数量有限。更清楚的了解现有蛋白质折叠,研究者们已经开始设计的折叠模式不是自然产生的。

Kim说,但是一个主要挑战是想象折叠都是可能的和功能。“这是非常难以预测,在蛋白质折叠将实际和工作结构,”金说,他也是一个部门的教授分子遗传学和计算机科学在t U”相结合的biophysics-based表示蛋白质结构与扩散方法从图像生成空间,我们可以开始解决这个问题。”

新系统,研究人员称之为ProteinSGM,吸引了大量的类似影像准确表示现有的蛋白质编码它们的结构。研究人员将这些图像生成扩散模型,逐渐增加了噪音,直到每个图像所有噪音。模型跟踪的图像如何成为吵着,然后运行该过程反过来说,学习如何将随机像素转换成明确的图片,对应完全新颖的蛋白质。

锦子(Michael)李,在金正日实验室博士生和第一作者,说优化图像生成过程的早期阶段是创建ProteinSGM的最大挑战之一。“关键想法是适当的蛋白质结构的类似影像表示,这样的扩散模型可以学习如何生成新颖的蛋白质准确,”李说,来自温哥华,但他在韩国本科学位和硕士在瑞士在选择大学博士学位。

也很难被ProteinSGM验证产生的蛋白质。系统生成许多结构,通常与在自然界发现的东西。几乎所有的他们看起来真实的根据标准度量,Lee说,但是研究者需要进一步证明。

为了测试他们的新蛋白质,李和他的同事们第一次转向OmegaFold,DeepMind的一个改良版本的软件AlphaFold 2。这两个平台使用人工智能基于氨基酸序列预测蛋白质的结构。

与OmegaFold团队证实,几乎所有他们的小说序列折叠成所需的新颖的蛋白质结构。然后选择一个较小的数量在试管中创建物理,确认结构蛋白质,而不仅仅是流浪的化合物。

“比赛OmegaFold和实验测试在实验室,我们可以相信这是正确折叠的蛋白质。会非常吃惊地看到验证这些完全新的蛋白质折叠,不存在本质上的任何地方,”李说。

下一步根据这项工作包括进一步发展ProteinSGM抗体和其他蛋白质最多的治疗潜力,金说。“这将是一个非常激动人心的领域研究和创业,”他补充道。

李说,他希望看到生殖生物学走向联合蛋白质序列和结构的设计,包括蛋白质侧链构象。大多数研究集中在一代的骨干,主要的化学结构,蛋白质在一起。

“最终决定蛋白质侧链配置功能,虽然设计意味着一个指数增加复杂性,可以通过适当的工程,”李说。“我们希望找到答案。”

参考:Kim Lee JS J,金点。参考生成建模新创蛋白质的设计。Nat第一版Sci。2023:1-11。doi:10.1038 / s43588 - 023 - 00440 - 3

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。