中新網(wǎng)北京7月12日電 (記者 孫自法)國際著(zhù)名學(xué)術(shù)期刊《自然》最新在線(xiàn)發(fā)表一篇結構生物學(xué)論文稱(chēng)，研究人員利用人工智能(AI)技術(shù)驅動(dòng)，研發(fā)出一種能設計新蛋白質(zhì)的深度學(xué)習方法，這個(gè)名為RoseTTAFold Diffusion(RFdiffusion)的深度學(xué)習方法能生成各種功能性蛋白質(zhì)，包括在天然蛋白質(zhì)中從未見(jiàn)過(guò)的拓撲結構。

　　該論文介紹，深度學(xué)習推動(dòng)了蛋白質(zhì)結構的預測和設計，但仍需一個(gè)通用框架來(lái)克服在蛋白質(zhì)設計上遇到的各種挑戰。擴散模型是一種生成式模擬方法，已被證明在圖像和文本生成中很有用，而且似乎也適用于蛋白質(zhì)設計。然而，這類(lèi)模型目前的成功率并不高，產(chǎn)生的序列基本不能折疊成目標結構。

　　論文通訊作者、美國華盛頓大學(xué)David Baker和同事及合作者開(kāi)展研究表明，通過(guò)細調之前報道過(guò)的RoseTTAFold的結構預測網(wǎng)絡(luò )并將其整合到一個(gè)降噪擴散模型中，就能生成具有實(shí)際意義的蛋白質(zhì)骨架，而蛋白質(zhì)骨架決定了蛋白質(zhì)的形狀和功能。該模型(RFdiffusion)能測試擁有不同結構元素的設計組合，并從頭開(kāi)始產(chǎn)生蛋白質(zhì)。RFdiffusion能執行不同的任務(wù)，設計單體(蛋白質(zhì)的基本組成單位)、寡聚體(多亞基聚體)和有治療或工業(yè)應用前景的復雜結構，如結合位點(diǎn)。

　　論文作者對數百個(gè)設計出的對稱(chēng)聚體、金屬結合蛋白和結合蛋白的結構和功能進(jìn)行了實(shí)驗表征，證明了該方法的實(shí)用性。他們還生成了設計的一種結合蛋白與其底物(此處為流感血凝素——在流感病毒表面發(fā)現的蛋白)的復合物并分析了其結構，發(fā)現結果與設計的模型幾乎一模一樣，從而證明了該方法的準確性。

　　論文作者總結認為，RFdiffusion是對目前蛋白質(zhì)設計方法的一次綜合改進(jìn)，能產(chǎn)生總長(cháng)度達600個(gè)殘基的結構，復雜性和準確度都比之前更高。后續對該方法的進(jìn)一步改進(jìn)，或能設計出復雜程度更高的新蛋白。(完)