蛋白质三维结构设计及预测：从不可能到可能的革命

“三十年前，如果你能用实验设备分析蛋白质的结构，你就可以发表一篇博士论文，因为这是一件极其困难的事情。”诺贝尔委员会委员邹晓东在接受新华社记者采访时说。 9、得益于今年的诺贝尔化学奖，人们现在可以通过人工智能设计蛋白质并预测蛋白质的三维结构。 “这是一场非常大的革命。”

曾经遥不可及的梦想

蛋白质是维持生命的重要大分子。它们是骨骼、皮肤和头发等组织的组成部分。它们是驱动肌肉的发动机。它们是读取、复制和修复脱氧核糖核酸（DNA）的“机器”。它们是让大脑中的神经元保持运转状态的“泵”。 ，是促进人体免疫反应的抗体，是细胞向外界传递信息的传感器，是调节人体内所有细胞的激素。

蛋白质通常由 20 种不同的氨基酸组成。在蛋白质中，氨基酸以长链连接在一起，折叠起来形成对蛋白质功能至关重要的独特的三维结构。要了解生命如何运作，您首先需要了解蛋白质的形状和结构。

自 19 世纪起，化学家就了解了蛋白质对生命过程的重要性。但直到20世纪50年代，随着研究工具准确性的提高，研究人员才开始使用仪器来分析蛋白质的三维结构。到 20 世纪 70 年代，研究人员意识到决定蛋白质如何折叠的信息包含在构成蛋白质的氨基酸序列中。从那时起，研究人员就怀揣着一个梦想，试图根据已知的氨基酸序列来预测蛋白质的三维结构，但这极其困难，一度被认为是不可能实现的梦想。

AlphaGo设计师解开了蛋白质结构之谜

然而，就在4年前，出现了惊人的突破。 2020年，谷歌“Deep Thinking”公司的Demis Hassabis和John Jungper提出了一种名为“Alpha Folding 2”的人工智能模型。

哈萨比斯是一位英国神经科学家和企业家，是 Deep Mind 的联合创始人兼首席执行官。他从 4 岁开始下棋，并于 2009 年在伦敦大学学院获得认知神经科学博士学位。他还领导了 DeepMind 的 Alpha Go 程序的开发，该程序在复杂的围棋游戏中击败了世界冠军韩国围棋选手李世石。

蒋波是“深思”公司的高级研究科学家。早年获得芝加哥大学理论化学博士学位。他的研究方向是利用机器学习来模拟蛋白质折叠。 2021年，《自然》杂志将他列入年度“十大科学人物”。

“Alpha Folding 2”模型荣获被誉为生物计算领域“奥运会”的“蛋白质结构预测批判性评估（CASP）”竞赛，成为第一个能够精确预测三维结构的机器学习模型蛋白质。

“Alpha Folding 2”模型成功解决了科学家们几十年来一直困扰的问题——从氨基酸序列预测蛋白质结构。它可以预测几乎所有 2 亿种已知蛋白质的结构。

自问世以来，Alpha Fold 2 已被用于众多科学应用，例如对抗抗生素耐药性和寻找疟疾等疾病的新疗法。 “Alpha Folding 2”大大缩短了手动确定蛋白质结构的时间，展示了人工智能对科学发现的影响。此外，这项研究将帮助人们更好地了解这种疾病，并加速新靶向药物的研发。截至今年 10 月，来自约 190 个国家的超过 200 万人已经使用了 Alpha Fold 2 计划。

设计新蛋白质开辟了无限的可能性

自然界中蛋白质类型的数量有限，研究人员希望创造出新的蛋白质类型，能够发挥分解有害物质或用作化学制造工具等功能。这一领域自20世纪90年代末开始出现，当时西雅图华盛顿大学教授David Baker在该领域取得了突破。他开发的名为 Rosetta 的软件成功构建了并非自然存在的全新蛋白质。

Baker的研究团队首先提出了一种全新的蛋白质结构，然后使用Rosetta计算出哪些氨基酸序列会产生所需的蛋白质。为了验证该软件的成功率，贝克的团队将软件建议的氨基酸序列基因引入产生所需蛋白质的细菌中。然后，他们使用 X 射线晶体学来确认蛋白质结构几乎完全符合他们的设计。结果于2003年发表。

此后，他的研究小组不断创造出一个又一个具有新功能的蛋白质，可用于催化新型纳米材料、靶向药物、疫苗研发、微型传感器以及更加环保的化学工业，为人类开启了无限可能。福利。可能的。

贝克当天接受电话采访时表示，他是站在巨人的肩膀上获得这一荣誉的。蛋白质结构预测真正凸显了人工智能的力量，让人们将人工智能的方法应用到蛋白质设计中，大大提高了设计能力和准确性。 （记者郭爽）

新华社斯德哥尔摩10月9日电