中国科大AI新突破：蛋白质设计再创奇迹！
中国科大AI新突破：蛋白质设计再创奇迹！
近日，中国科学技术大学在人工智能赋能蛋白质设计领域连续取得重大突破，展现了中国科研团队在这一前沿科技领域的创新实力。两篇发表在Nature子刊上的研究论文，分别展示了该校在蛋白质口袋设计和主链结构设计方面的最新成果，为生物医疗和药物研发开辟了新的技术路径。
从"设计者"到"创造者"：AI助力蛋白质设计新突破
在药物发现和生物医疗领域，设计与小分子结合的功能蛋白质具有重要意义。中国科学技术大学认知智能全国重点实验室刘淇教授团队与哈佛大学医学院Marinka Zitnik教授课题组合作，开发了深度生成算法PocketGen，用于生成与小分子结合的蛋白质口袋序列和空间结构。相关研究成果于2024年11月15日发表于《自然·机器智能》（Nature Machine Intelligence）期刊。
蛋白质口袋是蛋白质上适合与特定分子结合的空腔，每个蛋白质口袋都是一个特定的结合点位。当小分子与之紧密结合后，会引起蛋白质的构象变化，进而激活或者调节蛋白质功能。传统方法通过能量优化和模板匹配来设计蛋白质口袋，但计算效率慢、成功率低。现有的基于深度学习的模型又可能无法充分描述蛋白质与小分子结合口袋区域之间的特征。
PocketGen算法由双层图Transformer编码器和蛋白质预训练语言模型两部分组成。其中，双层图Transformer编码器受蛋白质固有的层级结构启发，包括氨基酸层级编码器和原子层级编码器，学习不同细粒度的相互作用信息，并更新氨基酸/原子表示和坐标。蛋白质预训练语言模型则高效微调了ESM2模型，辅助氨基酸序列预测。
实验结果表明，PocketGen在生成成功率和效率方面均超过了传统方法。在计算效率方面，PocketGen相比传统方法提升了超过10倍。审稿人评价称："与最先进的方法相比，该方法显著提高了结合亲和力和有效性，表现出更快的性能和更高的成功率。"
突破传统限制：从头设计蛋白质主链结构
在另一项重要研究中，中国科学技术大学生命科学与医学部刘海燕教授、陈泉教授团队开发了一种不依赖于预训练结构预测网络的蛋白质主链去噪扩散概率模型SCUBA-D。这一成果于2024年10月9日在线发表于Nature Methods。
SCUBA-D模型能够自动从头设计主链结构，或指定功能位点生成主链结构。在模型设计上，通过在扩散模型训练中引入对抗损失，避免生成模型产生物理上不可行的结构，实现了高成功率的主链结构设计。
团队对SCUBA-D在多类蛋白质从头设计任务中的应用进行了实验验证。针对单体结构从头设计任务，团队对共计70条设计序列进行了实验表征，其中近80%的序列（53条）可溶表达，实验解析的16个高分辨晶体结构与目标结构高度一致（主链原子位置均方根位移在0.96到2.11 Å之间）。
在小分子结合蛋白设计任务中，团队对非经典血红素降解酶进行了保留结合位点的主链结构重设计，对设计的12条序列进行实验验证，其中5条具有与血红素的结合能力，三条序列与血红素的亲和力与天然蛋白相当或高于天然蛋白。
AI与生物技术的深度融合：从基础研究到实际应用
科大讯飞与刘海燕团队的合作进一步展示了AI在蛋白质设计领域的巨大潜力。双方成功设计了48个自然界不存在的全新蛋白质，这些蛋白质在结构和功能上都表现出优异的性能，为生物工程和药物研发提供了新的可能性。
AI蛋白质设计的应用前景广阔，包括药物开发、生物传感器、酶催化等领域。虽然还面临一些挑战，如小分子结合预测的准确性等，但整体发展趋势向好。正如Nature文章所指出的，AI正在重塑生物学的未来，而中国科学技术大学的这些研究成果，无疑为这一进程注入了新的动力。
这些突破不仅展示了中国科大在人工智能领域的创新能力，也为生物科技带来了新的可能性。这些研究成果有望推动医学、生物工程等多个领域的快速发展。