Google DeepMind 推出了一款名为 AlphaProteo 的人工智能系统,该系统可以设计成功与目标分子结合的新型蛋白质,有可能彻底改变药物设计和疾病研究。
AlphaProteo 可以为多种靶蛋白生成新的蛋白结合剂,包括与癌症和糖尿病并发症相关的 VEGF-A。值得注意的是,这是 AI 工具首次成功设计 VEGF-A 蛋白结合剂。
该系统的性能尤其令人印象深刻,在测试的七种目标蛋白中,实现了更高的实验成功率和比现有方法高出 300 倍的结合亲和力:
图表展示了 Google DeepMind 的 AlphaProteo 成功率
(来源:Google DeepMind)
AlphaProteo 经过蛋白质数据库的大量蛋白质数据和AlphaFold的 1 亿多条预测结构的训练,已经了解了分子结合的复杂性。给定目标分子的结构和首选结合位置,系统会生成旨在结合这些特定位点的候选蛋白质。
为了验证 AlphaProteo 的功能,该团队设计了多种靶蛋白的结合剂,包括与感染有关的病毒蛋白以及与癌症、炎症和自身免疫性疾病相关的蛋白。结果令人鼓舞,结合成功率高,结合强度一流。
例如,当靶向病毒蛋白 BHRF1 时,88% 的 AlphaProteo 候选分子在湿实验室测试中成功结合。平均而言,AlphaProteo 结合剂在测试的目标上表现出比现有最佳设计方法强 10 倍的结合力。
该系统的性能表明,它可以显著减少涉及广泛应用的蛋白质结合剂的初始实验所需的时间。然而,该团队承认 AlphaProteo 有局限性,因为它无法设计出针对 TNFɑ(一种与类风湿性关节炎等自身免疫性疾病相关的蛋白质)的成功结合剂。
为了确保负责任的开发,Google DeepMind 正在与外部专家合作,以分阶段的方式分享这项工作,并为社区开发最佳实践做出贡献 – 包括 NTI 的新AI Bio Forum。
随着技术的发展,该团队计划与科学界合作,利用 AlphaProteo 解决影响深远的生物学问题并了解其局限性。他们还在 Isomorphic Labs 探索药物设计应用。
虽然 AlphaProteo 代表了蛋白质设计领域的重大进步,但实现强结合通常只是设计用于实际应用的蛋白质的第一步。在研发过程中仍有许多生物工程挑战需要克服。
尽管如此,谷歌 DeepMind 的进步具有巨大的潜力,可以加速广泛研究领域的进步,包括药物开发、细胞和组织成像、疾病理解和诊断,甚至作物对害虫的抵抗力。