人工智能系统发现人工蛋白质的蓝图

来自芝加哥大学普利茨克分子工程学校（PME）的研究团队最近成功创建了一个人工智能系统，该系统可以通过分析大量数据创建完全新的、人工蛋白质。

蛋白质是构成生物体组织的基本单位，对于细胞的生存至关重要。蛋白质被细胞用作化学催化剂，以促进各种化学反应的发生和执行复杂任务。如果科学家能够可靠地设计人工蛋白质，这将为碳捕获、能源收集和疾病治疗开辟新的途径。人工蛋白质有可能彻底改变我们的世界。据EurekaAlert报道，PME大学的研究人员最近取得了突破，离这些目标更近了一步。研究人员利用机器学习算法开发了一个能够生成新型蛋白质的系统。

研究团队创建了在各种基因组数据库中训练的机器学习模型。随着模型的学习，它们开始识别出共同的底层模式，即设计人工蛋白质的简单规则。通过在实验室中合成这些模式并生成相应的蛋白质，研究人员发现人工蛋白质创建的化学反应与天然蛋白质驱动的反应几乎一样有效。

根据PME UC的Joseph Regenstein教授Rama Ranganathan的说法，研究团队发现基因组数据中包含了大量关于蛋白质基本功能和结构的信息。通过使用机器学习来识别这些共同结构，研究人员能够“提取自然界的规则来创建蛋白质”。

研究人员专注于代谢酶，特别是一种叫做chorismate mutase的蛋白质家族。这类蛋白质对于植物、真菌和细菌的生存至关重要。

Ranganathan和他的合作者们意识到，基因组数据库中包含了尚待科学家发现的见解，但传统的确定蛋白质结构和功能规则的方法只取得了有限的成功。他们设计了能够揭示这些设计规则的机器学习模型。模型的发现表明，新的人工序列可以通过保留氨基酸位置和进化中的氨基酸对的相关性来创建。

研究人员创建了编码氨基酸序列的合成基因，并将这些基因克隆到细菌中。他们发现，细菌使用这些合成蛋白质在其细胞机制中发挥作用，几乎与正常蛋白质一样有效。

根据Ranganathan的说法，他们的AI系统发现的简单规则可以用来创建复杂和多样的人工蛋白质。正如Ranganathan在EurekaAlert中解释的那样：

“限制比我们想象的要小得多。自然界的设计规则中有一种简单性，我们相信类似的方法可以帮助我们在生物学中的其他复杂系统中寻找设计模型，例如生态系统或大脑。”

Ranganathan和他的合作者希望将他们的模型推广，创建一个平台让科学家更好地理解蛋白质的构造和作用。他们希望利用他们的AI系统来帮助其他科学家发现可以解决气候变化等重要问题的蛋白质。Ranganathan和Andrew Ferguson副教授创立了一家名为Evozyne的公司，旨在将该技术商业化并在农业、能源和环境等领域推广其应用。

了解蛋白质之间的共同点以及结构和功能之间的关系，也可以帮助创造新的药物和治疗方法。虽然蛋白质折叠长期以来被认为是计算机难以解决的问题，但像Ranganathan团队开发的模型所提供的见解可以帮助加快这些计算的速度，从而促进基于这些蛋白质的新药物的开发。可以开发出阻止病毒中蛋白质创建的药物，可能有助于治疗甚至像Covid-19冠状病毒这样的新型病毒。

Ranganathan和他的研究团队仍需要了解他们的模型如何工作以及如何产生可靠的蛋白质蓝图。研究团队的下一个目标是更好地理解他们的模型在得出结论时考虑了哪些属性。