在蛋白質(zhì)結(jié)構(gòu)預(yù)測上，人工智能革命仍在繼續(xù)。一年前，軟件程序首次成功地模擬了單個(gè)蛋白質(zhì)的3D形狀，其精確度與幾十年前的實(shí)驗(yàn)技術(shù)測出的一樣準(zhǔn)確。今年夏天，研究人員利用人工智能程序編程了一個(gè)近乎完整的人類蛋白質(zhì)結(jié)構(gòu)目錄。
現(xiàn)在，美國研究人員更進(jìn)一步，使用人工智能技術(shù)確定了不同蛋白質(zhì)之間可能的相互作用，以及由這種相互作用產(chǎn)生的“復(fù)合體”是什么樣子的。相關(guān)研究結(jié)果發(fā)表于《科學(xué)》。
斯坦福大學(xué)系統(tǒng)生物學(xué)家Michael Snyder表示，這項(xiàng)新發(fā)現(xiàn)會(huì)促進(jìn)細(xì)胞生物學(xué)領(lǐng)域產(chǎn)生一系列新觀點(diǎn)，并為發(fā)現(xiàn)下一代治療藥物指明新方向。
幾十年來，精確重現(xiàn)人類蛋白質(zhì)的形態(tài)和結(jié)構(gòu)，一直是研究人員的目標(biāo)。過去，要追求這個(gè)目標(biāo)是很困難的，需要昂貴且緩慢的實(shí)驗(yàn)，如X射線晶體學(xué)和核磁共振光譜學(xué)實(shí)驗(yàn)。而且，即使實(shí)驗(yàn)取得進(jìn)展，也只能得到單個(gè)蛋白質(zhì)某些結(jié)構(gòu)。
計(jì)算機(jī)專家一直致力于加快實(shí)現(xiàn)該目標(biāo)的速度。借助人工智能和深度學(xué)習(xí)算法，使用實(shí)驗(yàn)解決的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫來訓(xùn)練軟件程序如何根據(jù)蛋白質(zhì)的氨基酸序列預(yù)測蛋白質(zhì)的結(jié)構(gòu)。
該研究同時(shí)使用了華盛頓大學(xué)的RoseTTAFold和DeepMind的AlphaFold工具，篩選了830萬對酵母蛋白的配對多序列比對，識別出了1505種可能的相互作用，并為106個(gè)以前未識別的部分和806個(gè)尚未結(jié)構(gòu)表征的部分構(gòu)建了結(jié)構(gòu)模型。
為了找到可以形成復(fù)合物的蛋白質(zhì)，研究團(tuán)隊(duì)首先將所有6000種酵母蛋白質(zhì)的氨基酸序列，與2026種其他真菌、4325種其他真核生物的氨基酸序列進(jìn)行比較。在比較過程中，研究人員追蹤這些蛋白質(zhì)的進(jìn)化過程，并識別出不同蛋白質(zhì)中同時(shí)發(fā)生變化的序列。研究人員推斷，這些蛋白質(zhì)可能會(huì)形成復(fù)合物，并會(huì)逐步改變以保持它們之間的相互作用。
隨后，團(tuán)隊(duì)使用自研的RoseTTAFold的人工智能程序以，以及此前DeepMind已開源的 AlphaFold工具，嘗試解決每組候選對象的3D結(jié)構(gòu)。在總共830萬個(gè)“候選”酵母蛋白質(zhì)對中，兩個(gè)人工智能程序合力識別出了1506種可能發(fā)生相互作用的蛋白質(zhì)，并成功繪制出其中712個(gè)的3D結(jié)構(gòu)。
研究通訊作者之一、德克薩斯大學(xué)西南醫(yī)學(xué)中心生物醫(yī)學(xué)信息學(xué)專家Qian Cong表示，這些相互作用涵蓋了真核細(xì)胞的所有活動(dòng)。該研究的亮點(diǎn)在于發(fā)現(xiàn)了蛋白質(zhì)復(fù)合物的結(jié)構(gòu)，這種復(fù)合物在細(xì)胞活動(dòng)中發(fā)揮著不可替代的重要作用，如讓細(xì)胞修復(fù)DNA損傷，將RNA翻譯成核糖體中的蛋白質(zhì)，在細(xì)胞繁殖過程中將染色體拉開，并將分子運(yùn)送通過細(xì)胞膜等。
AlphaFold首席開發(fā)人員之一、DeepMind團(tuán)隊(duì)成員John Jumper也對這一發(fā)現(xiàn)的意義給予了高度評價(jià)：“這是再現(xiàn)蛋白質(zhì)3D結(jié)構(gòu)的一個(gè)很有前途的研究實(shí)例。明確了蛋白質(zhì)之間如何相互作用，生物學(xué)家就可以進(jìn)一步發(fā)現(xiàn)復(fù)合物細(xì)胞內(nèi)執(zhí)行多項(xiàng)任務(wù)的機(jī)制?！?/p>
“這些模型為實(shí)驗(yàn)人員提供了可測試的假設(shè)，而且破壞這些相互作用，可能會(huì)獲得干預(yù)各種疾病的新方法。”Qian Cong表示，這一發(fā)現(xiàn)為未來新靶向藥物的研發(fā)提供了更多可能。
上個(gè)月，Jumper團(tuán)隊(duì)在bioRxiv上發(fā)布了一篇預(yù)印本論文，介紹了AlphaFold人工智能工具的新版本，名為AlphaFold-Multimer。該工具繪制出了4433種蛋白質(zhì)復(fù)合物的結(jié)構(gòu)，準(zhǔn)確率達(dá)到了69%。
