12 月 20 日消息，華盛頓大學(xué)醫(yī)學(xué)院蛋白質(zhì)設(shè)計研究所的科學(xué)家利用人工智能軟件，設(shè)計創(chuàng)建出一批具有非凡結(jié)合強度的蛋白質(zhì)分子。

這些分子與包括人類激素在內(nèi)的各種生物標(biāo)志物具有極高的親和力和特異性，而且有些分子與其目標(biāo)之間實現(xiàn)了迄今最高的相互作用強度。

圖源：Ian Haydon / UW Medicine Institute for Protein Design

這項研究由 David Baker 領(lǐng)導(dǎo)，利用先進的深度學(xué)習(xí)算法，結(jié)合序列設(shè)計工具 ProteinMPNN，可以更高效地創(chuàng)建功能蛋白質(zhì)。

團隊將這種創(chuàng)新方法命名為“build to fit”，使用有限的靶標(biāo)信息（例如單獨的肽氨基酸序列）生成結(jié)合蛋白。

這項突破為生物技術(shù)領(lǐng)域開辟了大量可能性，例如人工智能生成的蛋白質(zhì)可用于檢測與人類健康和環(huán)境相關(guān)的復(fù)雜分子。

圖源：Ian Haydon / UW Medicine Institute for Protein Design

科學(xué)家表示通過 AI 設(shè)計蛋白質(zhì)，另一個重要優(yōu)勢是成本效益。特別是在診斷某些分子難以檢測的疾病時，所設(shè)計出的蛋白質(zhì)可以成為抗體的“平替”。

這項研究不僅代表了生物技術(shù)和人工智能的融合，也開創(chuàng)了該領(lǐng)域的新時代?？焖僭O(shè)計具有高結(jié)合親和力和特異性的蛋白質(zhì)的能力為新型疾病治療、高級診斷和環(huán)境監(jiān)測的突破鋪平了道路。

這種突破性的人工智能驅(qū)動的蛋白質(zhì)設(shè)計正在重新定義生物技術(shù)的格局，為未來的科學(xué)和醫(yī)學(xué)進步提供了巨大的潛力。

IT之家附上論文參考地址：Torres, S.V., Leung, P.J.Y., Venkatesh, P. et al. De novo design of high-affinity binders of bioactive helical peptides. Nature (2023). https://doi.org/10.1038/s41586-023-06953-1