人工智能
AlphaProteo：Google DeepMind 在蛋白质设计方面的突破
在不断演进的分子生物学领域中，设计能够有效地与特定目标（如病毒蛋白、癌症标志物或免疫系统成分）结合的蛋白质一直是一个最具挑战性的任务。这些蛋白质结合剂是药物发现、疾病治疗、诊断和生物技术中的重要工具。传统的创建这些蛋白质结合剂的方法是劳动密集型的、耗时的，并且通常需要多轮优化。然而，最近的人工智能（AI）进步正在大大加速这一过程。
2024年9月，Neuralink成功地将其脑芯片植入第二位人类参与者，这是其临床试验的一部分，推动了脑机接口的极限。这款植入物允许个人仅通过思想控制设备。
与此同时，DeepMind的AlphaProteo 已经成为一个开创性的AI工具，用于设计新型蛋白质以解决生物学的一些最大挑战。与之前的模型（如AlphaFold）不同，AlphaFold预测蛋白质结构，而AlphaProteo则承担了更高级的任务，即创建新的蛋白质结合剂，可以紧密地附着到特定的分子目标上。这一能力可以大大加快药物发现、诊断工具甚至生物传感器的开发。例如，在早期试验中，AlphaProteo成功地为SARS-CoV-2刺突蛋白和参与癌症和炎症的蛋白质设计了结合剂，显示出与现有方法相比，结合亲和力提高了3到300倍。
生物学和人工智能之间的交叉点使得这些神经接口和蛋白质设计的进步更加引人入胜，因为这些进步反映了向生物数字集成的更广泛的转变。
2024年，人工智能和生物学的集成已经达到了前所未有的水平，在药物发现、个性化医学和合成生物学等领域推动了创新。以下是今年塑造这一领域的一些关键突破的详细介绍：
1. AlphaFold3和RoseTTAFold扩散：下一代蛋白质设计
2024年，Google DeepMind发布的AlphaFold3 将蛋白质结构预测提升到了一个新的水平，通过纳入生物分子复合物并扩大其预测以包括小分子和配体。AlphaFold3使用基于扩散的AI模型来精炼蛋白质结构，类似于AI生成图像从粗略草图中创建的方式。该模型在预测蛋白质与配体的相互作用方面特别准确，实验测试中具有令人印象深刻的76%的准确率，远远领先于其竞争对手。
同时，RoseTTAFold扩散也引入了新的功能，包括设计不在自然界中存在的全新蛋白质的能力。虽然这两个系统在准确性和应用方面仍在改进，但它们的进步预计将在药物发现和生物制药研究中发挥至关重要的作用，可能会减少设计新药所需的时间。
2. 合成生物学和基因编辑
2024年，合成生物学领域，特别是基因编辑领域，也取得了重大进展。CRISPR-Cas9和其他基因工程工具已被改进，以实现更精确的DNA修复和基因编辑。像Graphite Bio这样的公司正在使用这些工具来修复基因突变，达到前所未有的精度水平，为遗传疾病的可能治愈治疗打开了大门。这种方法被称为同源定向修复，利用身体的自然DNA修复机制来纠正有缺陷的基因。
此外，预测脱靶评估的创新，例如由SeQure Dx开发的，通过识别意外编辑并减轻风险来提高基因编辑的安全性。这些进步对于确保基因疗法在应用于人类患者之前是安全有效的尤为重要。
3. 单细胞测序和代谢组学
像单细胞测序这样的技术已经在2024年达到新的高度，提供了前所未有的细胞级分辨率。这使研究人员能够研究细胞异质性，这在癌症研究中尤其有价值。通过分析肿瘤中的个体细胞，研究人员可以确定哪些细胞对治疗耐药，指导更有效的治疗策略。
同时，代谢组学提供了对微生物群落的深入见解，无论是在人类健康还是环境背景下。这种技术有助于分析微生物群，以了解微生物群落如何为疾病做出贡献，从而为直接针对微生物群的治疗提供新的途径。
蛋白质设计中的游戏规则改变者
蛋白质对于活体中的几乎每个过程都是基本的。这些分子机器执行一系列功能，从催化代谢反应到复制DNA。蛋白质之所以具有多功能性，是因为它们能够折叠成复杂的三维形状，从而与其他分子相互作用。蛋白质结合剂紧密地附着到特定的目标分子上，在调节这些相互作用和经常用于药物开发、免疫疗法和诊断工具方面至关重要。
设计蛋白质结合剂的传统过程是缓慢的，严重依赖于试错法。科学家通常必须筛选大量的蛋白质序列，在实验室中测试每个候选者，以确定哪些最有效。AlphaProteo改变了这一范式，通过利用深度学习来预测哪些蛋白质序列将有效地与目标分子结合，从而大大减少了传统方法所需的时间和成本。
AlphaProteo的工作原理
AlphaProteo基于与其前身AlphaFold相同的深度学习原理，后者是蛋白质结构预测领域的一项开创性工具。然而，虽然AlphaFold专注于预测现有蛋白质的结构，但AlphaProteo更进一步，设计全新的蛋白质。
AlphaProteo的工作原理：深入探索AI驱动的蛋白质设计
AlphaProteo代表了AI驱动的蛋白质设计领域的一项重大进步，建立在其前身AlphaFold的深度学习技术之上。
虽然AlphaFold通过预测蛋白质结构以前所未有的准确性革新了该领域，但AlphaProteo更进一步，创建全新的蛋白质来解决特定的生物挑战。
AlphaProteo的底层架构是对大型蛋白质结构数据集（包括来自蛋白质数据库（PDB）的结构）和由AlphaFold生成的数百万预测结构的生成模型的复杂组合。这使AlphaProteo不仅能够预测蛋白质如何折叠，还能够设计能够在分子水平上与特定分子目标相互作用的新蛋白质。
- 生成器: AlphaProteo的机器学习模型生成大量潜在的蛋白质结合剂，利用大型数据集，如来自蛋白质数据库（PDB）的结构和AlphaFold预测。
- 过滤器: 一个关键组件，根据生成的结合剂与目标蛋白质结合的可能性进行评分，有效地减少了需要在实验室中测试的设计数量。
- 实验: 这一步涉及在实验室中测试过滤后的设计，以确认哪些结合剂有效地与目标蛋白质相互作用。
AlphaProteo设计的结合剂特异性地针对蛋白质表面的关键热点残基（黄色）。蓝色部分表示设计的结合剂，模型预测它将精确地与目标蛋白质上的突出热点相互作用。
对于C部分的图像；它显示了在AlphaProteo实验中使用的目标蛋白质的3D模型。这些包括在免疫反应、病毒感染和癌症进展等各种生物过程中具有治疗意义的蛋白质。
AlphaProteo的高级功能
- 高亲和力: AlphaProteo在设计具有高亲和力的蛋白质结合剂方面表现出色，超过了传统方法，这些方法通常需要多轮实验室优化。它生成的蛋白质结合剂紧密地附着到其预期目标上，大大提高了它们在药物开发和诊断等应用中的有效性。例如，其针对VEGF-A的结合剂，一个与癌症相关的蛋白质，显示出比现有方法高出300倍的结合亲和力。
- 针对多样化蛋白质: AlphaProteo可以为参与关键生物过程的广泛蛋白质设计结合剂，包括与病毒感染、癌症、炎症和自身免疫疾病相关的蛋白质。它在设计针对诸如SARS-CoV-2刺突蛋白和癌症相关蛋白质VEGF-A的结合剂方面尤其成功，后者在治疗糖尿病视网膜病变的疗法中至关重要。
- 实验成功率: AlphaProteo的一个最令人印象深刻的特点是其高实验成功率。在实验室测试中，系统设计的结合剂在与目标蛋白质结合方面显示出高成功率，减少了通常需要的实验轮数。在对病毒蛋白BHRF1的测试中，AlphaProteo的设计显示出88%的成功率，这比以前的方法有了显著改进。
- 无需优化的设计: 与传统方法不同，传统方法通常需要多轮优化来提高结合亲和力，AlphaProteo能够从一开始就生成具有强结合性质的结合剂。对于某些具有挑战性的目标，例如与癌症相关的蛋白质TrkA，AlphaProteo产生的结合剂比通过大量实验优化开发的结合剂表现更好。
实验成功率（左图）- 最佳结合亲和力（右图）
- AlphaProteo在大多数目标上都超过了传统方法，特别是实现了88%的成功率，与之前方法的40%相比。
- AlphaProteo在VEGF-A和IL-7RA目标方面的成功率显著提高，展示了其在癌症治疗中的潜力。
- AlphaProteo还一致地生成具有更高结合亲和力的结合剂，特别是对于具有挑战性的蛋白质，如VEGF-A，使其成为药物开发和疾病治疗中的宝贵工具。
AlphaProteo如何推进生物学和医疗保健中的应用
AlphaProteo对蛋白质设计的新颖方法开启了广泛的应用，使其成为生物学和医疗保健领域的强大工具。
1. 药物开发
现代药物发现通常依赖于小分子或生物制剂，它们结合特定的与疾病相关的蛋白质。然而，开发这些分子通常是一个耗时且昂贵的过程。AlphaProteo通过生成高亲和力的蛋白质结合剂加速了这一过程，这些结合剂可以作为新药的基础。例如，AlphaProteo已被用于设计针对PD-L1的结合剂，PD-L1是一种参与免疫系统调节的蛋白质，在癌症免疫疗法中发挥关键作用。通过抑制PD-L1，AlphaProteo的结合剂可以帮助免疫系统更好地识别和消除癌细胞。
2. 诊断工具
在诊断中，AlphaProteo设计的蛋白质结合剂可以用于创建能够检测特定疾病相关蛋白质的高灵敏度生物传感器。这可以实现对诸如病毒感染、癌症和自身免疫疾病等疾病的更准确和快速诊断。例如，AlphaProteo设计针对SARS-CoV-2的结合剂可能会导致更快、更精确的COVID-19诊断工具的开发。
3. 免疫疗法
AlphaProteo设计高特异性蛋白质结合剂的能力在免疫疗法领域尤其有价值。免疫疗法利用身体的免疫系统来对抗疾病，包括癌症。该领域的一个挑战是开发能够有效地结合并调节免疫反应的蛋白质。凭借AlphaProteo在针对免疫细胞上的特定蛋白质方面的精度，它可以增强新型、更有效的免疫疗法的开发。
4. 生物技术和生物传感器
AlphaProteo设计的蛋白质结合剂在生物技术中也很有价值，特别是在创建生物传感器方面。生物传感器是用于检测各种环境中特定分子的设备。它们的应用范围从环境监测到食品安全。AlphaProteo的结合剂可以提高这些设备的灵敏度和特异性，使其在检测有害物质方面更加可靠。
限制和未来方向
与任何新技术一样，AlphaProteo并非完美。例如，该系统在设计针对参与自身免疫疾病的蛋白质TNF𝛼的有效结合剂时遇到了困难。这凸显了AlphaProteo尽管在许多目标上都非常有效，但仍有改进的空间。
DeepMind正在积极地扩展AlphaProteo的功能，特别是在解决具有挑战性的目标（如TNF𝛼）方面。该团队还在探索该技术的新应用，包括使用AlphaProteo设计用于作物改良和环境可持续性的蛋白质。
结论
通过大大减少传统蛋白质设计方法所需的时间和成本，AlphaProteo加速了生物学和医学领域的创新。其在设计针对具有挑战性的目标（如SARS-CoV-2刺突蛋白和VEGF-A）的蛋白质结合剂方面的成功表明了它解决当今一些最紧迫的健康挑战的潜力。
随着AlphaProteo的不断演进，其对科学和社会的影响将只会增长，为我们提供新的工具来了解分子水平上的生命，并为治疗疾病开辟新的可能性。
