英國“深度思維”公司今年8月曾宣布，其開發(fā)的人工智能（AI）程序“阿爾法折疊”已預(yù)測(cè)出約100萬個(gè)物種的超過2億種蛋白質(zhì)的結(jié)構(gòu)，涵蓋科學(xué)界已編錄的幾乎每一種?，F(xiàn)在，元宇宙平臺(tái)公司（Meta）研究人員利用人工智能ESMFold預(yù)測(cè)了來自細(xì)菌、病毒和其他尚未被表征微生物的6億多種蛋白質(zhì)的結(jié)構(gòu)。相關(guān)研究已經(jīng)提交生物預(yù)印本網(wǎng)站biorxiv.org。

ESM宏基因組圖譜數(shù)據(jù)庫包含6.17億種蛋白質(zhì)的結(jié)構(gòu)預(yù)測(cè)。圖片來源：《自然》網(wǎng)站

在最新研究中，Meta AI蛋白質(zhì)團(tuán)隊(duì)使用“大型語言模型”預(yù)測(cè)了這些蛋白質(zhì)的結(jié)構(gòu)。要構(gòu)建能通過幾個(gè)字母或單詞預(yù)測(cè)文本的工具，離不開大型語言模型的基礎(chǔ)。語言模型通常需要大量文本進(jìn)行訓(xùn)練，為將其應(yīng)用于蛋白質(zhì)，研究團(tuán)隊(duì)用已知的蛋白質(zhì)序列訓(xùn)練它們，這些已知蛋白質(zhì)可由20個(gè)不同氨基酸組成的鏈來表達(dá)，每個(gè)氨基酸由一個(gè)字母表示。然后，ESMFold學(xué)會(huì)了用模糊的氨基酸比例“自動(dòng)完成”蛋白質(zhì)。

團(tuán)隊(duì)負(fù)責(zé)人亞歷山大·里維斯表示，這些訓(xùn)練讓ESMFold對(duì)包含蛋白質(zhì)形狀信息的蛋白質(zhì)序列有了直觀了解。而且，與“阿爾法折疊”一樣，這一網(wǎng)絡(luò)能將這些了解到的信息與已知蛋白質(zhì)結(jié)構(gòu)和序列之間關(guān)系的信息結(jié)合，生成預(yù)測(cè)結(jié)構(gòu)。

隨后，他們?cè)谝粋€(gè)數(shù)據(jù)庫上運(yùn)用這一模型，該數(shù)據(jù)庫由來自土壤、海水、人類腸道、皮膚和其他微生物棲息地的“宏基因組”DNA組成，其中絕大多數(shù)DNA條目編碼潛在蛋白質(zhì)，來自從未被培養(yǎng)過也不為人所知的生物體。總體而言，ESMFold預(yù)測(cè)了超6.17億種蛋白質(zhì)的結(jié)構(gòu)，且只花了兩周時(shí)間。而“阿爾法折疊”預(yù)測(cè)一種結(jié)構(gòu)可能需要幾分鐘。

團(tuán)隊(duì)指出，ESMFold雖然不像“阿爾法折疊”那么準(zhǔn)確，但在預(yù)測(cè)結(jié)構(gòu)方面的速度要快60倍，這意味著他們可將結(jié)構(gòu)預(yù)測(cè)擴(kuò)展到更大的數(shù)據(jù)庫。

里維斯表示：“這些來自土壤、海水和人體的微生物分子是我們了解最少的結(jié)構(gòu)，最新研究有助于我們更進(jìn)一步洞悉生物學(xué)?！?/p>

總編輯圈點(diǎn)：

人們形容蛋白質(zhì)時(shí)，常說它乃生命之基石。但蛋白質(zhì)的意義其實(shí)與其結(jié)構(gòu)密切相關(guān)，因此如果能更深入的了解其結(jié)構(gòu)，就可以更好地明確其工作原理，從而加速幾乎所有生物學(xué)領(lǐng)域的研究，譬如為疾病設(shè)計(jì)新的療法或疫苗。這也是目前多家團(tuán)隊(duì)致力于預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的主要目的。現(xiàn)在，這一預(yù)測(cè)已涵蓋了整個(gè)蛋白質(zhì)世界，包括動(dòng)物、植物、細(xì)菌、真菌和其他生物體的預(yù)測(cè)結(jié)構(gòu)，可以預(yù)見，這些成果除了幫助攻克生命科學(xué)瓶頸外，也將在解決可持續(xù)性、糧食安全等重要問題上開辟新機(jī)。