研究人员开发了一种新的计算机程序，帮助解码蛋白质如何相互作用，为改善癌症预防、诊断和治疗方法提供了关键见解。这种创新工具利用人工智能（AI）构建复杂蛋白质排列的三维结构。
密苏里大学的一位学者设计了一款计算机程序，以揭示蛋白质相互作用的复杂性，为增强癌症预防、诊断和治疗提供了有价值的信息。
密苏里大学工程学院的研究员Jianlin “Jack” Cheng和他的学生Nabin Giri推出了一款名为Cryo2Struct的工具。该软件利用AI构建大型蛋白质复合体的三维原子表示，相关细节在他们最近发表在《自然通讯》上的文章中有所介绍。该模型依赖于由先进显微镜捕获的数据，特别是冷冻电子显微镜（cryo-EM）图像。
Cheng指出：“目前，Cryo-EM作为一种开创性技术，揭示了细胞内大蛋白质的结构和排列。但是，从Cryo-EM数据中导出蛋白质结构的过程费时费力，依赖人力，导致其难以重复且速度缓慢。我们的自动化技术比现有方法产生更准确的结构。”
理解蛋白质预测
为了理解这项研究的重要性，必须掌握蛋白质的基本作用及其长期研究中的挑战。
蛋白质是生物体的重要组成部分。它们起初是氨基酸的链，最终折叠成特定的三维形状，决定了其功能。
五十多年来，研究人员一直在努力理解这一折叠过程背后的机制。
Cheng是应用深度学习（AI的一个子集）来解决这一问题的先驱之一。在2012年，他展示了一个AI驱动的模型，成功预测了蛋白质结构，为变革性的发展奠定了基础，例如谷歌的AlphaFold，如今被视为全球预测蛋白质结构的最精确工具。
然而，预测单个蛋白质结构只是一个更大拼图的一部分。实际上，蛋白质并不是独立工作的；它们作为分子机器协同运作，执行复杂的生物任务。理解蛋白质如何相互作用至关重要，因为这些相互作用影响疾病进程，并为科学家提供最佳治疗策略的信息。
解码之谜
Cheng的Cryo2Struct就像一个侦探，在没有任何线索的情况下解决谜团。
该系统评估cry-EM图像，确定蛋白质复合体中每个原子及其位置，甚至在没有先前结构信息的情况下。然后，它将这些原子组装成蛋白质复合体的完整三维模型，提供有关蛋白质功能的见解。
Cheng解释说：“我们的技术允许科学家从cry-EM数据构建结构。一旦确定结构并理解其功能，就可以设计药物来修正蛋白质复合体功能上的任何缺陷。”
在发表在《化学通讯》上的一项相关研究中，Cheng和他的学生Alex Morehead研究了一种不同的AI技术，称为扩散模型，这种模型考察分子结构如何从随机噪声发展到特定形状。这些方法可以帮助科学家生成和改进小分子，包括药物，并弄清楚这些药物如何以及在哪里与蛋白质相互作用。
Cheng表示：“例如，如果我有一种药物，并希望增强其对特定患者的有效性，我现在可以使用AI进行修改和优化。”
密苏里大学的跨学科资源对推动这一突破至关重要。Cheng隶属于下一代精准健康中心，能够使用冷冻电子显微镜和先进的电子显微镜技术。
他提到：“在密苏里大学的合作机会，加上对尖端设备的使用，都是卓越的。在下一代精准健康中心，我们团结一致，希望推动个性化医疗，像Cryo2Struct这样的创新将在实现这一目标中发挥重要作用。”
