衆所周知，蛋白質是一切生命的物質基礎，人體的一切生命活動，本質上是蛋白質功能的體現。如果人工智能能夠幫我們破解出蛋白質的密碼，人類距離永生還有多久？

關注頭條“溪谷科技号”，帶你漫步于浪潮之巅。歡迎點贊、評論、轉發，發表你的看法。

一種新的人工智能工具可以幫助研究人員發現以前未知的蛋白質并設計全新的蛋白質。如果加以利用，它可以更有效幫助疫苗的開發，加快治療癌症的研究，乃至生産全新的材料。

Alphabet（谷歌母公司）旗下的人工智能實驗室DeepMind在2020年宣布了AlphaFold，這個人工智能工具使用深度學習來解決生物學的 "重大挑戰 "之一：準确預測蛋白質的形狀，讓世界大吃一驚。蛋白質是生命的根本，了解它們的形狀對與它們合作至關重要。2022年夏天早些時候，DeepMind宣布，AlphaFold現在可以預測科學上已知的所有蛋白質的形狀。

華盛頓大學的一組研究人員在今天發表在《科學》雜志上的兩篇論文中描述的新工具ProteinMPNN，為該技術提供了一個強大的補充。

這兩篇論文是深度學習如何通過給科學家提供新的研究工具來革新蛋白質設計的最新例子。傳統方式上，研究人員通過調整自然界中出現的蛋白質來設計蛋白質，但ProteinMPNN将為研究人員從頭設計可能的蛋白質打開一個全新的世界。

蛋白質由數百到數千個氨基酸組成，它們以長鍊的形式連接起來，然後折疊成三維形狀。AlphaFold幫助研究人員預測所産生的結構，提供對它們将如何表現的洞察力。

ProteinMPNN将幫助研究人員解決逆向問題。如果他們心中已經有一個确切的蛋白質結構，它将幫助他們找到能折疊成該形狀的氨基酸序列。該系統使用一個在非常多的氨基酸序列例子上訓練出來的神經網絡，這些氨基酸序列折疊成三維結構。

但研究人員還需要解決另一個問題。為了設計出對現實世界應用有用的蛋白質，例如一種消化塑料的新酶，他們首先必須弄清楚什麼樣的蛋白質骨架會有這種功能。

“受限幻覺”讓用戶在所有可能的蛋白質序列中進行随機搜索，并傾向于具有某些功能的序列。這種“幻覺”使探索所有可能的蛋白質結構空間成為可能，這要歸功于機器學習對龐大數據集的處理能力。假如有20個氨基酸，它們可以組合成大量可能的序列。

“繪畫模拟”的工作方式很像輸入法中的自動聯想，但是是對于蛋白質結構和序列。利用這些方法，研究人員可以創造出一種以前在自然界中沒有見過的全新的蛋白質，例如一個巨大的環狀結構。

機器學習将使整個過程變得更快、更容易，并将使研究人員能夠在更大的範圍内創造全新的蛋白質和結構。該軟件比以前的最佳工具快200多倍，并且隻需要少量的用戶輸入，有可能降低蛋白質設計的門檻。

約翰霍普金斯大學

約翰霍普金斯大學化學和生物分子工程教授傑弗裡·格雷說：“這些貢獻和最近的其他貢獻正在改變生物分子結構預測和設計的領域。”格雷說：“在理解生物學、健康和疾病以及設計新分子以減少人類痛苦方面，其影響是巨大的。”

格雷說他的實驗室将把他們開發的深度學習工具與貝克實驗室的工具結合起來，以更好地理解免疫系統和免疫相關疾病，并使用人工智能來設計治療方法。

DeepMind的AI for Science團隊負責人普什米特·克裡說：“AlphaFold通過解決蛋白質結構預測問題将生物學帶入了一個新時代，并展示了AI和機器學習将在生物學中發揮的變革作用。ProteinMPNN是這種範式轉變的另一個證明，為特定的任務設計蛋白質”。

ProteinMPNN現在可以在開源軟件庫GitHub上免費使用，它将為研究人員提供工具來進行無限的新設計。"當然，挑戰是：你想要設計什麼？" 貝克說。

人工智能會幫助人類破解蛋白質結構，從而讓我們實現永生嗎？

歡迎評論區留言，留下你的想法。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!