中新網(wǎng)北京7月12日電 (記者 孫自法)國際著名學(xué)術(shù)期刊《自然》最新在線發(fā)表一篇結(jié)構(gòu)生物學(xué)論文稱，研究人員利用人工智能(AI)技術(shù)驅(qū)動，研發(fā)出一種能設(shè)計新蛋白質(zhì)的深度學(xué)習(xí)方法，這個名為RoseTTAFold Diffusion(RFdiffusion)的深度學(xué)習(xí)方法能生成各種功能性蛋白質(zhì)，包括在天然蛋白質(zhì)中從未見過的拓撲結(jié)構(gòu)。

　　該論文介紹，深度學(xué)習(xí)推動了蛋白質(zhì)結(jié)構(gòu)的預(yù)測和設(shè)計，但仍需一個通用框架來克服在蛋白質(zhì)設(shè)計上遇到的各種挑戰(zhàn)。擴散模型是一種生成式模擬方法，已被證明在圖像和文本生成中很有用，而且似乎也適用于蛋白質(zhì)設(shè)計。然而，這類模型目前的成功率并不高，產(chǎn)生的序列基本不能折疊成目標(biāo)結(jié)構(gòu)。

　　論文通訊作者、美國華盛頓大學(xué)David Baker和同事及合作者開展研究表明，通過細調(diào)之前報道過的RoseTTAFold的結(jié)構(gòu)預(yù)測網(wǎng)絡(luò)并將其整合到一個降噪擴散模型中，就能生成具有實際意義的蛋白質(zhì)骨架，而蛋白質(zhì)骨架決定了蛋白質(zhì)的形狀和功能。該模型(RFdiffusion)能測試擁有不同結(jié)構(gòu)元素的設(shè)計組合，并從頭開始產(chǎn)生蛋白質(zhì)。RFdiffusion能執(zhí)行不同的任務(wù)，設(shè)計單體(蛋白質(zhì)的基本組成單位)、寡聚體(多亞基聚體)和有治療或工業(yè)應(yīng)用前景的復(fù)雜結(jié)構(gòu)，如結(jié)合位點。

　　論文作者對數(shù)百個設(shè)計出的對稱聚體、金屬結(jié)合蛋白和結(jié)合蛋白的結(jié)構(gòu)和功能進行了實驗表征，證明了該方法的實用性。他們還生成了設(shè)計的一種結(jié)合蛋白與其底物(此處為流感血凝素——在流感病毒表面發(fā)現(xiàn)的蛋白)的復(fù)合物并分析了其結(jié)構(gòu)，發(fā)現(xiàn)結(jié)果與設(shè)計的模型幾乎一模一樣，從而證明了該方法的準確性。

　　論文作者總結(jié)認為，RFdiffusion是對目前蛋白質(zhì)設(shè)計方法的一次綜合改進，能產(chǎn)生總長度達600個殘基的結(jié)構(gòu)，復(fù)雜性和準確度都比之前更高。后續(xù)對該方法的進一步改進，或能設(shè)計出復(fù)雜程度更高的新蛋白。(完)