欧博娱乐对抗病毒,AI上场“算”结构 是否“神助攻”仍需实验验证

文章正文
发布时间:2024-09-15 09:18

  此次AlphaFold对新冠病毒蛋白质结构的预测,欧博娱乐是脱离于实验之外的结构重构。预测的准确性,尚需同行评审,以及实际临床治疗的验证。

  蛋白质是维持生命所必需的结构复杂的生物大分子,人体内几乎所有的功能如肌肉收缩、呼吸,或将食物转化为能量等,都与蛋白质之间的相互作用密切相关。而获得蛋白质三维结构,则有助于科学家了解它在人体内的作用,并设计相应的药物。

  近日,人工智能公司DeepMind宣布,其用AlphaFold预测了六种由新冠病毒基因编码的蛋白质的三维结构,包括膜蛋白、非结构蛋白等,而且已经开放下载。

  获悉病毒蛋白质结构 有助于研发针对性药物

  病毒由核酸和蛋白质组成,而蛋白质是由病毒基因组编码的。病毒蛋白质有两种,一种是结构蛋白,它们可以构成一个形态成熟的有感染性的病毒颗粒,帮助病毒侵染细胞,例如壳体蛋白、膜糖蛋白和存在于病毒颗粒中的酶等;另一种是非结构蛋白,则帮助病毒在宿主细胞里复制、基因表达,扩大在人体内的“领地”。

  早在1月10日,中国公布新冠病毒全基因组序列。但仅仅知道基因组序列,并不能充分了解蛋白质是如何工作的。

  “蛋白质的成分包括20种氨基酸,每个蛋白质由几十到上千个氨基酸组成。部分氨基酸的线性序列会形成螺旋或者折叠状的二级结构,并进一步有序组合堆积成三维结构,这种三维结构决定了蛋白质在人体内如何发挥作用。”中国药科大学药学院教授肖易倍接受科技日报记者采访时,打了个比方,如果说人体的病毒受体是锁,病毒的刺突糖蛋白就是钥匙,如果这些钥匙能插进人体病毒受体蛋白,就会侵染细胞,科学家要做的,就是弄清楚钥匙内的三维结构是什么、钥匙和锁的关系是什么,进而阻止钥匙去开锁,即阻止病毒侵染细胞。

  “知道了蛋白质如何发挥功能,就知道如何有针对性地抑制病毒活性,如果发现某个蛋白是入侵宿主细胞的关键蛋白,就可以针对这个蛋白或者蛋白的某个区域做药物设计。”南京大学生命科学学院教授、博导董咸池说。

  预测结果即使准确 实验过程仍不可回避

  在DeepMind团队看来,可根据氨基酸序列确定蛋白质的三维结构。他们基于深度神经网络,通过预测蛋白质中每对氨基酸之间的距离,以及连接这些氨基酸的化学键之间的角度,使用两种方法,来构建预测模型。

  “第一步是在结构生物学常用的技术上,训练神经网络预测蛋白质中每对氨基酸之间的距离或角度,然后不断组合这些概率,提高蛋白质结构预测的准确度;第二步是通过梯度下降来优化得分。他们预测的是整个蛋白质链,而不是蛋白质结构组装之前的蛋白质‘碎片’,因此一定程度上降低了整个预测过程的复杂性。”湖南大学超算中心副主任、教授彭绍亮告诉科技日报记者,AlphaFold从头开始对蛋白质的形态结构进行建模,而没有使用已经解析的蛋白质作为模板,这意味着需要超大的计算量。

  而据清华大学自动化系生物信息学副教授汪小介绍,在目前国际的蛋白质数据库(PDB)中,有大约3万种已知的蛋白质结构,利用其中与目标序列具有相似性的蛋白质序列,可以为蛋白质结构预测提供支持。

  在人工智能深度学习之外,科学家们想要获取蛋白质结构,目前大多从核磁共振、冷冻电镜与X射线衍射技术中寻求答案。

  “三种方法都依赖大型设施、仪器,实验手段获得的蛋白质结构,通俗地说就是给蛋白质多角度拍照片,然后根据海量二维照片重构三维结构,结果客观精确,但是实验周期比较长,通常需要几个月,实验门槛和实验成本高,实验难度也不小。”彭绍亮说。

  此次AlphaFold对新冠病毒蛋白质结构的预测,是脱离于实验之外的结构重构。预测的准确性,尚需同行评审,以及实际临床治疗的验证。不过,DeepMind指出,“模型会指出结构的哪些部分更有可能是正确的,虽然这些未被研究的蛋白质不是当前治疗的重点,但它们可能会增加研究人员对新冠病毒的理解”。

  而对于AlphaFold的预测结果,彭绍亮认为,如果预测结果准确,还要进行分子对接、分子动力学模拟等很多计算分析过程,以及动物实验、人体临床试验的验证。“计算可以不断被加速,但实验过程是不可回避的,而最终的一切都是以能做出临床可用的药物和疫苗为目标。”

首页
评论
分享
Top