乔舒亚·沙维特
2025年09月23日 11:51 UTC
5分钟阅读
ProRNA3D-single利用人工智能建模RNA-蛋白质相互作用，帮助科学家可视化疾病并加速药物发现。（来源：Shutterstock）
要解决问题，科学家首先需要清晰地观察它。无论是病毒逃避免疫系统，还是大脑中形成斑块，可视化都是寻找答案的第一步。然而，这一过程往往既困难又昂贵。
人工智能的一项突破正在改变这一现状。研究人员开发了一种强大的新工具，能够创建更准确的人体内分子相互作用的3D模型。该方法有望加速药物发现并加深我们对复杂疾病的了解。
疾病可视化的新方法
该工具名为ProRNA3D-single，由计算机科学家德布斯瓦普纳·巴塔查里亚及其团队开发。它在预测病毒RNA如何与人类蛋白质相互作用方面取得重大进展，这一过程对许多疾病至关重要。
这款新型开源人工智能工具改进了生物研究的现有方法。研究团队的两名成员——博士生苏米特·塔拉夫德尔（左）和计算机科学副教授、团队负责人德布斯瓦普纳·巴塔查里亚，已为此工作近两年。（来源：弗吉尼亚理工大学）
巴塔查里亚解释说：“最终目标是加速药物发现过程，防止RNA病毒与宿主蛋白质相互作用，从而在感染演变成大流行之前阻止其传播，或抑制阿尔茨海默病中RNA结合蛋白功能的异常。”
数十年来，研究人员一直难以捕捉核糖核酸分子如何在三维空间中扭曲、折叠并与蛋白质结合。这些形状决定了像SARS-CoV-2这样的病毒能否复制，或阿尔茨海默病是否能占据一席之地。ProRNA3D-single以惊人的准确性使这些隐藏的相互作用变得可见。
生物学的ChatGPT
为了创建该系统，弗吉尼亚理工大学团队从ChatGPT等语言模型中汲取灵感。然而，他们的模型学习的是DNA、RNA和蛋白质的“字母表”，而非分析人类语言。这些模型随后可被训练以预测分子行为。
ProRNA3D-single工具生成的病毒RNA与宿主蛋白质相互作用的3D图像。（来源：ProRNA3D-single工具）
巴塔查里亚表示：“生物大语言模型本质上就像ChatGPT，但针对生物序列。就像ChatGPT一样，我们可以向模型提问并获得答案。”
该团队构建了一个模型，其中针对蛋白质和RNA的独立大型语言模型相互“对话”。通过这些交流，ProRNA3D-single生成3D结构，展示病毒RNA如何对接到人体细胞中的蛋白质。“这基本上是两种不同大型语言模型的神经配对，实现双语推理，”巴塔查里亚补充道，“从计算机科学角度看，这本身就是一项贡献。”
即使是Google DeepMind等机构开发的最先进AI程序，在尝试对RNA-蛋白质复合物建模时也屡屡受挫。相比之下，弗吉尼亚理工大学的方法提供了更准确的结构，使科学家免于昂贵的试错实验。
核心要点：ProRNA3D-single让疾病清晰可见
ProRNA3D-single的准确性不仅是一项技术成就，还对医学和公共卫生具有实际意义。从COVID-19到痴呆症等疾病，未来可能在分子层面得到更好的理解。
ProRNA3D-single单序列蛋白质-RNA复合物结构预测方法示意图。（来源：德布斯瓦普纳·巴塔查里亚等）
研究人员现在可以研究病毒如何附着在蛋白质上，并设计药物阻断这些位点，而无需依赖猜测。这种能力可能大幅降低应对新疫情所需的成本和时间。
博士生苏米特·塔拉夫德尔表示：“如果你还记得COVID-19大流行和mRNA疫苗，后者提供了很大帮助——该疫苗之所以有效，是因为它是一种基于RNA的治疗手段。在3D中对蛋白质-RNA相互作用进行建模至关重要，这样我们才能知道药物可以靶向哪些导致疾病的分子。”
该工具的潜力远不止于病毒。通过绘制RNA与蛋白质的相互作用图谱，该模型还可能揭示与神经功能衰退和其他难以治疗的疾病相关的通路。
无国界的科学
ProRNA3D-single的开发历时两年，凝聚了多位研究人员的努力。博士生拉马图拉·罗奇（现为哥伦布州立大学教员）在研究生期间贡献了关键编码工作，并发表了十余项相关研究。“主要博士生做了大量工作，”巴塔查里亚说，“他们承担了大部分繁重工作。”
ProRNA3D-single与竞争方法的测试集性能。（来源：德布斯瓦普纳·巴塔查里亚等）
该项目由美国国立卫生研究院和美国国家科学基金会资助。秉承开放科学精神，论文和工具本身均向全球研究者免费提供。
巴塔查里亚表示：“我们无法过分强调投资科学以造福社会的重要性。我们相信开放是让科学惠及每个人的关键。纳税人资助了我们，因此我们有义务回馈社会，这就是为什么我们将工作开源并公开提供。”
该团队计划进一步完善ProRNA3D-single，提高其准确性和扩展应用范围。“我们应时刻提醒自己，问题远未解决，”巴塔查里亚说，“我们取得了进展，但意识到这些模型还有很长的路要走。”
更广阔的前景
像ProRNA3D-single这样的工具不仅代表计算上的胜利，还反映了人类研究生物学方式的转变。科学家现在可以将AI与实验科学结合，加速发现过程，而不必花费数年进行昂贵的实验室实验。
前景清晰：更快的疫苗、更好的疗法，以及对疾病运作机制的更深入理解。随着世界面临未来大流行病和神经退行性疾病负担的上升，此类突破可能不可或缺。
研究结果已在线发表于《细胞系统》期刊。（期刊参考号：00233-9）
【全文结束】
