每年，有81,000到138,000人因蛇咬而死亡。近日，在一项由David Baker教授领导的研究中，研究人员使用机器模型设计出了新的蛋白质，这些蛋白质被称为“结合剂”，是抗毒血清治疗的基础，旨在附着于危险毒素并使其失效。这项研究首次在全球范围内证明了这些AI设计的结合剂在活体生物中也能发挥作用。
丹麦抗体技术中心副教授Timothy Jenkins博士在接受《每日电讯报》采访时说：“在不同的条件下，我们能够100%拯救小鼠免受蛇毒毒素引起的神经毒性。”他补充道，“同样的技术也可以应用于病毒、癌症或自身免疫疾病。”
研究人员表示，该研究发表于1月15日的《自然》杂志上，展示了如何通过AI驱动的蛋白质设计显著加快新疗法的开发。“我们一年多前开始了这个合作项目，几周内就获得了非常强大的结合剂，而这些结合剂我们在实验室里已经努力了两年，”Jenkins博士说。“这是一个游戏规则的改变者，因为AI使药物发现变得更加经济高效，并且速度快得多。”
在蛇咬领域，这一点尤为重要。每年，有81,000到138,000人死于蛇咬，绝大多数发生在发展中国家贫困的农村地区，另有400,000人遭受改变生活的伤害，包括截肢、视力丧失和永不愈合的开放性溃疡。然而，治疗选择几乎没有变化一个世纪以来，传统抗毒血清的生产既费力又难以分发和管理。现有的抗毒血清只能在医疗机构中使用，因为副作用可能非常严重，需要应对过敏性休克。
Wellcome Trust蛇咬计划负责人Diogo Martins博士告诉《每日电讯报》，他对这项研究持谨慎乐观的态度。“虽然我不会称之为革命性的——有几个团队正在从事类似的方法——但它确实突出地将机器学习数据有效地转化为具有热稳定性和易于生产的蛋白质的实际疗效。这是向前迈出的重要一步，可以解决该领域的持续挑战。”
更新抗毒血清一直是一个极其困难的任务，部分原因是蛇毒在数百年间进化成为地球上最复杂的毒素之一，这意味着它们含有许多结合剂需要中和的目标。但是，研究人员对能够迅速设计出构成任何蛇抗毒血清基础的蛋白质感到兴奋，而无需挤取蛇毒或注射马匹。
“通常当我们制造抗体时，例如在新冠疫情期间，我们有一个目标——我们制造最好的抗体，并把所有的鸡蛋放在一个篮子里，”Jenkins博士说。“但在这里，我们需要覆盖大约2,000种毒素的巨大目标空间，如果我们想要覆盖整个蛇咬事件。即使只针对单一物种，也可能涉及多达100种不同的毒素，因此即使只是想中和一种蛇的毒液，也不是一件简单的事情。”
由于AI的突破，寻找对广泛蛇毒素有效的“广谱中和结合剂”变得越来越可行。Baker教授与Google的AI公司DeepMind的Demis Hassabis和John Jumper共同获得了诺贝尔化学奖。Baker教授创造了全新的蛋白质种类，而Hassabis和Jumper开发了一种名为AlphaFold2的AI模型，能够预测几乎所有的2亿种已知蛋白质的结构。
这些AI技术用于开发抗毒血清引起了兴奋，不仅因为新蛋白质似乎非常稳定，意味着它们可以在不需要冷链的情况下轻松大规模生产和分发。研究人员主要使用了三个程序，称为Alphafold 2、RFdiffusion和ProteinMPNN。
“下一步……我们实际上现在想制造一个人类产品，”Jenkins博士说。“我们已经进行了概念验证研究，证明这项技术是有效的……我认为六个月不是不切实际的时间框架，以测试特定地理区域的一组治疗性结合剂[在实验室中]。”
(全文结束)
