全球首次，濕實驗證實！上交成功實現(xiàn)「蛋白質(zhì)功能定向進(jìn)化」，零數(shù)據(jù)跨入AGI時代
近日，上海交通大學(xué)自然科學(xué)研究院/物理與天文學(xué)院/張江高等研究院洪亮課題組，在生物信息學(xué)和人工智能研究領(lǐng)域的國際權(quán)威學(xué)術(shù)期刊JCIM（Journal of Chemical Information and Modeling）上發(fā)表最新研究成果：“基于微環(huán)境感知圖神經(jīng)網(wǎng)絡(luò)構(gòu)建指導(dǎo)蛋白質(zhì)定向進(jìn)化的通用人工智能 ”（Protein Engineering with Lightweight Graph Denoising Neural Networks）。
在此項研究中，該團(tuán)隊設(shè)計了一種微環(huán)境感知圖神經(jīng)網(wǎng)絡(luò)ProtLGN，能夠從蛋白質(zhì)三維結(jié)構(gòu)中學(xué)習(xí)有益的氨基酸突變位點，建立自然選擇下的氨基酸序列分布，用于指導(dǎo)蛋白質(zhì)氨基酸位點設(shè)計，最終實現(xiàn)蛋白質(zhì)指定功能的提升。
論文鏈接：??https://pubs.acs.org/doi/10.1021/acs.jcim.4c00036??
在生物化學(xué)實驗的基礎(chǔ)上，課題組證實了ProtLGN是一項通用的人工智能方法，在極少甚至沒有實驗數(shù)據(jù)的情況下，成功地實現(xiàn)了針對特定蛋白質(zhì)性質(zhì)的定向進(jìn)化，包括提高抗體的親和力和穩(wěn)定性、增強多種熒光蛋白的熒光強度，以及提升核酸內(nèi)切酶的DNA切割活性。
也是全球首次，也是唯一一次經(jīng)濕實驗驗證，可以利用通用人工智能模型，在極少實驗數(shù)據(jù)甚至無實驗數(shù)據(jù)下，實現(xiàn)不同蛋白特定性質(zhì)的定向進(jìn)化。
為什么研究ProtLGN？
人工智能的進(jìn)步正在改變生命科學(xué)領(lǐng)域的研究方法和思維范式，尤其是在生物醫(yī)藥領(lǐng)域，而蛋白質(zhì)設(shè)計作為該領(lǐng)域的關(guān)鍵技術(shù)之一，正受到人工智能技術(shù)的深刻影響。傳統(tǒng)的蛋白質(zhì)設(shè)計方法存在效率低下、成本高昂、時間耗費長等難以解決的問題，基于深度學(xué)習(xí)的預(yù)測和篩選在蛋白質(zhì)設(shè)計中被逐步應(yīng)用并驗證。
但現(xiàn)有方法大多是基于多序列比對（MSA）或蛋白質(zhì)語言模型（PLM）對蛋白質(zhì)序列進(jìn)行特征提取。前者高度依賴于同源序列的數(shù)量，但在實際應(yīng)用中，并非所有蛋白質(zhì)序列都能進(jìn)行深度的同源比對；后者需要大量訓(xùn)練數(shù)據(jù)和復(fù)雜的模型設(shè)計，導(dǎo)致訓(xùn)練成本很高。
即使是使用當(dāng)前主流的自然語言預(yù)訓(xùn)練模型的思路，考慮到每個蛋白質(zhì)都有獨特的性質(zhì)和進(jìn)化方向，使用通用預(yù)訓(xùn)練模型處理獨特蛋白質(zhì)時，不經(jīng)重新訓(xùn)練直接應(yīng)用也會帶來泛化性和表達(dá)能力的挑戰(zhàn)。
ProtLGN是怎么做的？
洪亮團(tuán)隊設(shè)計的能夠提取氨基酸周圍微觀環(huán)境信息的等變圖神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練框架ProtLGN，結(jié)合蛋白質(zhì)的結(jié)構(gòu)信息對蛋白質(zhì)上的每個氨基酸進(jìn)行同步編碼，學(xué)習(xí)蛋白質(zhì)三維結(jié)構(gòu)中有益的氨基酸突變位點和突變類型，用于指導(dǎo)具有不同功能的蛋白質(zhì)單位點突變和多位點突變設(shè)計。
ProtLGN框架示意圖
LGN的零樣本學(xué)習(xí)訓(xùn)練框架如上圖所示。首先，輸入蛋白質(zhì)數(shù)據(jù)集中的每個序列被k臨近鄰居算法轉(zhuǎn)換成一個蛋白質(zhì)圖，并基于氨基酸性質(zhì)提取出節(jié)點特征、邊特征、以及氨基酸的三維坐標(biāo)信息。接著，對一部分的節(jié)點特征進(jìn)行噪聲擾動后輸入到等變圖神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)圖上的節(jié)點表示。
這一節(jié)點表示被全連接層解碼后可以預(yù)測多個不同的目標(biāo)，比如去噪的節(jié)點氨基酸類型標(biāo)簽，SASA和B-factor數(shù)值等。這里的預(yù)測誤差用于構(gòu)建損失函數(shù)并傳導(dǎo)回網(wǎng)絡(luò)層進(jìn)行反向傳導(dǎo)。在預(yù)測階段，模型輸出突變蛋白質(zhì)的氨基酸概率，與野生型比對后，通過處理和計算得出突變體的評分。
為了驗證ProtLGN對蛋白質(zhì)突變體活性的預(yù)測效果，作者在不同蛋白質(zhì)的多種生理功能性質(zhì)上進(jìn)行了充分驗證，確保ProtLGN預(yù)測效果的通用性，包括VHH抗體、熒光蛋白（綠色、藍(lán)色、橙色）、核酸內(nèi)切酶（KmAgo）等多種蛋白的熱穩(wěn)定性、結(jié)合能力、熒光強度、單鏈DNA剪切活性等蛋白質(zhì)工程常規(guī)關(guān)注和改造的多種關(guān)鍵功能指標(biāo)。
ProtLGN框架示意圖熒光蛋白發(fā)光強度（FP），VHH抗體結(jié)合強度與熱穩(wěn)定性，以及中溫核酸剪切酶（KmAgo）剪切活性的多點位突變結(jié)果
濕實驗結(jié)果表明，ProtLGN可以在沒有濕實驗數(shù)據(jù)或僅少量類似功能蛋白質(zhì)的實驗數(shù)據(jù)基礎(chǔ)上達(dá)到40%的單點位改造成功率，并且在部分單位點上實現(xiàn)了多種功能協(xié)同提升。
上述結(jié)果表明ProtLGN能夠極大改善傳統(tǒng)蛋白質(zhì)工程方法中成本高、成功率低、數(shù)據(jù)稀缺等問題。更為重要的是，本文首次使用深度學(xué)習(xí)模型在學(xué)習(xí)單位點突變體活性數(shù)據(jù)后，準(zhǔn)確預(yù)測組合位點的活性，并且在單輪濕實驗中即可篩選出功能顯著優(yōu)于低位點突變體的高位點突變體，表明ProtLGN能夠有效挖掘蛋白質(zhì)定向進(jìn)化中的正上位效應(yīng)，為蛋白質(zhì)的深度進(jìn)化提供一條有效途徑。
ProtLGN作為一種新型的蛋白質(zhì)設(shè)計方法，為生物學(xué)家和藥物研發(fā)人員提供了一個強大且可靠的計算工具。ProtLGN不僅能夠深入解析蛋白質(zhì)的結(jié)構(gòu)與功能的復(fù)雜關(guān)系，而且能夠突破傳統(tǒng)蛋白質(zhì)設(shè)計方法遇到的瓶頸，為基于蛋白質(zhì)的醫(yī)藥研究、生物技術(shù)開發(fā)等提供了全新并且有效的解決方案。
本文轉(zhuǎn)自 新智元 ，作者：新智元
