谢菲尔德大学和阿斯利康研究人员开发的AI新方法，有望简化新型治疗蛋白质的设计流程。这项发表在《自然-机器智能》期刊的研究中，谢菲尔德计算机科学家联合阿斯利康与南安普顿大学团队开发的机器学习框架MapDiff，在逆向蛋白质折叠预测方面展现出超越现有顶尖技术的潜力。
逆向蛋白质折叠是创造新型蛋白质的关键过程，其本质是确定能折叠成特定三维结构的氨基酸序列（蛋白质基本组成单元），从而使蛋白质执行特定功能。蛋白质工程在药物开发中具有核心作用，通过设计能与体内特定靶点结合的蛋白质实现治疗效果，但该过程面临蛋白质折叠复杂性和氨基酸序列相互作用预测困难等挑战。
科学界已利用机器学习技术预测稳定功能蛋白结构的氨基酸序列，这些模型通过已知蛋白质序列和结构的大数据集进行训练以提升预测精度。MapDiff框架在模拟测试中成功超越最先进AI模型，该成果为加速疫苗、基因疗法等关键治疗蛋白质的设计奠定基础。该技术与AlphaFold等预测蛋白质三维结构的方法形成互补，后者通过已知折叠结构反推可能的氨基酸序列。
谢菲尔德大学机器学习教授、研究通讯作者Haiping Lu表示："这项工作标志着利用AI设计特定结构蛋白质的重大突破。通过学习生成能稳定折叠为特定三维结构的氨基酸序列，我们的方法为设计新型治疗蛋白开辟了新途径，AI正在帮助我们攻克生物学基础性难题。"
阿斯利康资深机器学习科学家Peizhen Bai（在谢菲尔德大学计算机科学系攻读博士期间开发该AI）指出："博士研究期间我致力于利用AI加速生物发现，很高兴MapDiff能更精准设计具有理想三维结构的蛋白质序列，这是推进下一代治疗技术的关键步骤。"
【全文结束】
