ProteinMPNN：AI驱动的蛋白质设计革命
ProteinMPNN：AI驱动的蛋白质设计革命
华盛顿大学医学院生物学家在蛋白质设计领域取得重大突破，开发出名为ProteinMPNN的AI工具，能够快速准确地设计出自然界中不存在的蛋白质。这一突破不仅大大提高了蛋白质设计的效率和准确性，还为疫苗开发、癌症治疗、碳捕获技术等领域的创新开辟了新途径。
蛋白质设计的革命：从调整到创造
蛋白质是生命的基础，它们在所有生物的结构和功能中都发挥着至关重要的作用。然而，目前人类发现的蛋白质仅占所有可能存在的蛋白质的一小部分。为了解决这一问题，研究人员开发了多种人工智能蛋白质设计工具，其中包括：
- 固定骨架设计：给定一个预设蛋白质结构，使用AI确定该蛋白质的氨基酸序列。
- 序列生成：利用语言模型让AI学习生成蛋白质序列。
- 结构生成：训练神经网络生成全新的蛋白质结构。
- 序列和结构设计：使用inpainting方法，让研究人员输入特定的结构或序列，AI网络完成其余部分的设计。
ProteinMPNN：从头设计蛋白质的利器
ProteinMPNN是一个基于消息传递图神经网络的蛋白质序列设计工具，它能够在一秒内生成蛋白质序列，比以前最好的软件快200多倍。更重要的是，ProteinMPNN不需要专家定制就可以运行，大大降低了蛋白质设计的门槛。
使用ProteinMPNN设计的蛋白质细节
ProteinMPNN的核心优势在于它能够解决逆向问题：如果研究人员已经有一个明确的蛋白质结构，ProteinMPNN可以帮助他们找到能够折叠成这个形状的氨基酸序列。这与传统的蛋白质设计方法形成鲜明对比，传统方法通常通过调整自然界中已知的蛋白质来设计新的蛋白质。
蛋白质设计的三大挑战与解决方案
Baker团队将蛋白质设计的挑战分解为三个部分，并针对每个部分设计了特定的软件方案：
- 生成新的蛋白质形状：
- 幻想（hallucination）：类似于DALL-E等生成AI工具，通过随机搜索所有可能的蛋白质序列，并倾向于具有特定功能的序列。
- 修复（inpainting）：类似于文字处理器的自动完成功能，从功能位点开始填充额外的序列和结构。
使用“幻想”生成的对称环
生成氨基酸序列：开发了ProteinMPNN这一快速且准确的氨基酸序列生成算法。
结构预测：使用DeepMind开发的AlphaFold工具来独立评估提出的氨基酸序列是否能折叠成预期的形状。
应用前景与未来展望
利用这些新方法，研究人员已经创造出了一些在自然界中从未见过的全新蛋白质，比如巨大的纳米环。这些纳米环的直径大约比罂粟种子小十亿倍，未来可能被用于制造定制的纳米机械，甚至用于疏通动脉。
蛋白质设计研究所的博后研究员Basile Wicky展示使用ProteinMPNN设计的蛋白质
ProteinMPNN已经在GitHub上开源，供研究人员免费使用。这一突破不仅大大提高了蛋白质设计的效率和准确性，还为疫苗开发、癌症治疗、碳捕获技术等领域的创新开辟了新途径。
正如华盛顿大学医学院生物化学教授David Baker所说：“这仅仅是机器学习在蛋白质设计中的一个开始。在接下来的几个月里，我们会努力改进这些工具，争取创造出更具动态性和功能性的蛋白质。”