真人电子游戏:第一个蛋白质动态结构人工智能建模方法

Deep Thinking在8月宣布，其人工智能程序Alpha Fold预测了大约100万个物种的2亿多种蛋白质结构，几乎涵盖了科学界编目的所有蛋白质结构。但就在今年11月，Metaverse平台(Meta)的研究人员使用人工智能模型ESMFold预测了来自细菌、病毒和其他微生物的6亿多种蛋白质的结构真人电子游戏，这些蛋白质尚未被鉴定。

在最新的研究中，该团队使用大型语言模型来预测这些蛋白质的结构。为了将该模型应用于蛋白质结构预测，研究团队用已知的蛋白质序列对其进行了训练，这些蛋白质序列可以由20种不同的氨基酸链表达，每种氨基酸都用一个字母表示。然后，ESMFold学会了用模糊的氨基酸比例“自动”预测蛋白质结构。

团队负责人Alexander Reeves说，训练使ESMFold对包含蛋白质形状信息的蛋白质序列有了直观的理解。而且，像“alpha折叠”一样，该模型可以将这些学习到的信息与已知蛋白质结构和序列之间的关系信息结合起来，以生成预测结构。

该团队指出，ESMFold的预测虽然不如Alpha fold准确，但预测速度快60倍，这意味着它可以将结构预测数据库扩展到更大的规模。

第一个蛋白质动态结构人工智能建模方法

这对于理解生命过程和开发新药具有重要意义

12月8日，西湖大学发布了可以表征蛋白质构象变化和亲和预测的AI模型——ProtMD，该模型由西湖大学人工智能讲座教授李子青团队、厦门大学和杭州德瑞智制药科技有限公司共同开发。这是第一个试图解析蛋白质动态构象的人工智能模型，可以帮助药物化学家更准确地筛选出高活性小分子，从而加速临床前药物开发。

此前，谷歌所在公司研发的“Alpha Folding 2”可以利用人工智能准确预测蛋白质的三维结构，对结构生物学、药物设计乃至整个科学界都产生了巨大影响。然而，“Alpha Fold 2”只能预测蛋白质在某一时刻的静态结构，尚未解决蛋白质结构动态变化的预测。李子青团队开发的AI模型可以预测药物分子与生物体内靶蛋白结合(柔性对接)后蛋白质结构的变化过程，推断药物与靶蛋白结合的稳定性，预测药物功能，从而提高AI药物设计的准确性和效率。