IT之家 12 月 20 日消息,華盛頓大學醫(yī)學院蛋白質設計研究所的科學家利用人工智能軟件,設計創(chuàng)建出一批具有非凡結合強度的蛋白質分子。
這些分子與包括人類激素在內的各種生物標志物具有極高的親和力和特異性,而且有些分子與其目標之間實現了迄今最高的相互作用強度。
這項研究由 David Baker 領導,利用先進的深度學習算法,結合序列設計工具 ProteinMPNN,可以更高效地創(chuàng)建功能蛋白質。
團隊將這種創(chuàng)新方法命名為“build to fit”,使用有限的靶標信息(例如單獨的肽氨基酸序列)生成結合蛋白。
這項突破為生物技術領域開辟了大量可能性,例如人工智能生成的蛋白質可用于檢測與人類健康和環(huán)境相關的復雜分子。
科學家表示通過 AI 設計蛋白質,另一個重要優(yōu)勢是成本效益。特別是在診斷某些分子難以檢測的疾病時,所設計出的蛋白質可以成為抗體的“平替”。
這項研究不僅代表了生物技術和人工智能的融合,也開創(chuàng)了該領域的新時代。快速設計具有高結合親和力和特異性的蛋白質的能力為新型疾病治療、高級診斷和環(huán)境監(jiān)測的突破鋪平了道路。
這種突破性的人工智能驅動的蛋白質設計正在重新定義生物技術的格局,為未來的科學和醫(yī)學進步提供了巨大的潛力。
IT之家附上論文參考地址:Torres, S.V., Leung, P.J.Y., Venkatesh, P. et al. De novo design of high-affinity binders of bioactive helical peptides. Nature (2023). https://doi.org/10.1038/s41586-023-06953-1
廣告聲明:文內含有的對外跳轉鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時間,結果僅供參考,IT之家所有文章均包含本聲明。