人工智能工具AlphaFold已得到增强，能够准确预测大型复杂蛋白质结构的形状。林雪平大学的研究人员还成功地将实验数据整合到该工具中。根据《自然通讯》上的报告，这一发现标志着在更有效地创造用于医疗药物等应用的新蛋白质方面的进展。
蛋白质在每个生物体中都扮演着至关重要的角色，监督着众多细胞功能。基本上，蛋白质参与从肌肉控制和头发形成到血液中的氧气运输和食物消化的所有方面。它们在体外也很普遍，存在于洗涤剂和药品等产品中。
这些大分子由20种不同的氨基酸以长序列连接在一起，类似于串在一起的珠子。这些序列长度从50到几千个氨基酸不等，导致数十亿种可能的组合，决定了每个蛋白质的三维结构。蛋白质链的特定形状决定了其独特的功能。
过去五十多年间，科学家们一直努力预测和设计各种蛋白质结构，以更好地理解身体功能、疾病以及创新新的医疗治疗。这个过程传统上是费时费力且昂贵的，需要大量的人工努力。
然而，在2020年，DeepMind公司推出了一款名为AlphaFold的开源软件。利用人工智能和神经网络，AlphaFold能够准确预测蛋白质如何折叠和功能。这一创新的重要性足以使其获得2024年诺贝尔化学奖。
尽管取得了成功，AlphaFold在预测非常大的蛋白质复合物和解析实验数据或不完整数据集方面存在局限性。
林雪平大学的研究人员在解决这些挑战方面取得进展，推出了他们称之为AF_unmasked的新版本。该版本能够处理实验信息和不完整数据，同时还可以预测大型复杂蛋白质结构的形状。
“我们为AlphaFold提供了新的输入类型。我们的目标是结合实验工作和神经网络的见解，以构建更大的蛋白质结构。此外，如果您有一个结构的初步版本，您可以将其输入到AlphaFold中以获得相当精确的预测，”林雪平大学物理、化学与生物学系副教授Claudio Mirabello解释道。
AF_unmasked的目的在于让研究人员改进他们的实验并获得蛋白质设计的建议，这将增强对蛋白质功能的理解，并导致新的基于蛋白质的药物的创造。
AlphaFold的突破源于自1970年代以来全球研究人员对约20万个不同蛋白质结构进行的数据收集，这些数据存储在一个综合数据库中。这些广泛的数据为训练AlphaFold奠定了基础。依靠超级计算技术的进步，特别是GPU在密集计算中的使用，使得在大规模上进行操作成为可能。
林雪平大学的生物信息学教授Björn Wallner与一位诺贝尔奖得主合作。
“蛋白质设计的潜力是无穷无尽的——只有想象力可以限制它。我们可以为各种应用创建蛋白质，无论是在体内还是体外。不断地，解决现有的挑战时，只能迎接更复杂的挑战。幸运的是，发现新问题在我们的领域并不是问题，”Björn Wallner表示。
他与Claudio Mirabello在创建AlphaFold早期版本中发挥了重要作用，该版本在开发过程中激励了DeepMind。在谷歌附属公司的资源支持下，他们能够推进现在成为全球蛋白质科学家必备工具的技术。
“尽管AlphaFold并不是第一个利用深度神经网络解决这个挑战的工具，但其独特的特点之一是它在神经网络中编码了蛋白质的进化历史——这一概念源于林雪平大学，并于2019年由我和Björn发表。因此，可以说AlphaFold建立在我们的概念之上，而现在我们正在以AlphaFold为基础进行扩展，”Claudio Mirabello总结道。
