西湖大學8日公布，該校人工智能（AI）講席教授李子青團隊與廈門大學、德睿智藥合作，首創(chuàng)研發(fā)了能夠刻畫蛋白質(zhì)構(gòu)象變化與親和力預測的AI模型——ProtMD。
這是第一個嘗試解析蛋白質(zhì)動態(tài)構(gòu)象的人工智能方法，可輔助藥物化學專家更加精準地篩選出高活性小分子，從而加速臨床前藥物研發(fā)。相關研究成果發(fā)表在《尖端科學》期刊。
李子青介紹，此前谷歌旗下公司研發(fā)的“阿爾法折疊2”能夠利用人工智能準確預測蛋白質(zhì)的三維結(jié)構(gòu)，對結(jié)構(gòu)生物學、藥物設計乃至整個科學界都產(chǎn)生了巨大影響。但“阿爾法折疊2”只能預測蛋白質(zhì)在一個瞬間的靜態(tài)結(jié)構(gòu)，尚未解決蛋白質(zhì)結(jié)構(gòu)動態(tài)變化的預測。
李子青團隊此次開發(fā)的AI模型，給定藥物分子和靶點蛋白，可預測藥物分子與生物體內(nèi)靶點蛋白質(zhì)結(jié)合（柔性對接）后蛋白質(zhì)結(jié)構(gòu)的變化過程，推斷藥物與靶標蛋白結(jié)合的穩(wěn)定性，預測藥物功能，從而提升AI藥物設計的精度和效率。
研究團隊首先從57651個人類蛋白結(jié)構(gòu)中選取具有代表性的數(shù)十個蛋白質(zhì)結(jié)構(gòu)對其進行分子動力學模擬，獲取蛋白質(zhì)的空間運動軌跡，建立蛋白質(zhì)動態(tài)構(gòu)象的模型。在預訓練環(huán)節(jié)，研究團隊要求模型能夠基于上一時刻的蛋白構(gòu)象預測下一時刻的蛋白構(gòu)象；同時訓練模型對不同時刻蛋白質(zhì)順序的排序能力，使其能對時序被隨機打亂的蛋白質(zhì)構(gòu)象進行排序。實驗表明，該AI模型在藥物—蛋白親和力預測任務上，輕量級版本表現(xiàn)已超過現(xiàn)有的最優(yōu)模型。
“預測蛋白質(zhì)結(jié)構(gòu)的動態(tài)變化，對理解生命過程、研發(fā)新型藥物都有著重要意義?！崩钭忧嗾f，尤其在AI藥物設計中，通過對藥物分子與靶點蛋白結(jié)合后的動態(tài)結(jié)構(gòu)變化進行預測，評估藥物—靶點結(jié)合親和力和藥物效果，是提高AI藥物篩選準確性和效能的重要思路。