加拿大研究人員創建用於藥物發現的新型蛋白質摺疊算法

2021-01-11 中華人民共和國科學技術部

　　據多倫多大學網站報導，該校唐納利細胞與生物分子研究中心（Donnelly Centre for Cellular and Biomolecular Research）的計算生物學家開發了一種人工智慧算法，可用於發現用於精準治療的全新蛋白質分子。相關論文已發表在《細胞系統》（Cell Systems）雜誌上。

　　由分子遺傳學教授菲利普·金（Philip M. Kim）領導的跨學科團隊開發的名為ProteinSolver（蛋白質解算器）的圖形神經網絡，可以根據給定的幾何形狀設計全新的蛋白質。金教授說：「以圖形形式描繪蛋白質是計算生物學的標準做法。轉換成圖形的蛋白質看起來像一個節點網絡，位於不同節點上的胺基酸通過邊緣（分子內部胺基酸之間的距離）連接，利用圖論原理可以進行分子幾何形狀建模，實現特定目標，例如中和入侵的病毒或關閉過度活躍的癌細胞受體。」

　　金教授指出，蛋白質設計的主要問題是搜索空間很大，「對於一個由100個胺基酸合成的標準長度蛋白質，會有20100種可能的分子結構，比宇宙中存在的分子總數還多。」因此，研究團隊決定從蛋白質三維結構入手，通過計算胺基酸組成來解決這個問題。受數獨與分子幾何的相關性啟發，金教授實驗室的博士生阿列克謝·斯特羅卡奇(Alexey Strokach)將數獨中發現的約束條件構建到神經網絡算法中，然後利用龐大的可用蛋白質結構及其胺基酸序列資料庫對ProteinSolver算法進行訓練，目標是使其學會經過數百萬年進化形成的，可將胺基酸堆積成較小摺疊的自然規則，將這些規則應用於基因工程應增加最終獲得功能蛋白的機會。

　　研究人員向ProteinSolver提供現有的蛋白質摺疊並要求其生成可以構建這些蛋白質的胺基酸序列，然後利用這些自然界中不存在的全新計算序列，在實驗室中合成了相應的蛋白質變體，這些變體摺疊成了預期的結構，表明該方法有效。以目前的形式，ProteinSolver能夠針對任何已知幾何穩定的蛋白質摺疊計算出新穎的胺基酸序列，但最終目標是設計出具有全新生物學功能的新型蛋白質結構，例如新的治療藥物。研究團隊已將ProteinSolver及其背後的代碼開源，並通過用戶友好的網站提供給更廣泛的研究社區。

　　該項研究得到了加拿大國立衛生研究院（CIHR）和加拿大自然科學與工程研究理事會（NSERCC）的支持。

相關焦點

  • 【譯】蛋白質摺疊問題50年的歷程
    這種算法可避免實驗測定蛋白質結構的費時過程, 從而加快蛋白質結構和新藥物的發現.本文中, 我們粗略地給出我們對這些問題的一些觀點. 更多詳細綜述請參考(4-8).蛋白質摺疊的物理規則什麼作用力驅使一個蛋白質形成其3D摺疊結構? 許多洞察來自於蛋白資料庫PDB. 目前其中已收集了80,000多個原子解析度的蛋白質結構(9).
  • 人工智慧算法有助於快速分析蛋白質摺疊結構
    近日，英國《自然》雜誌報導，美國哈佛大學醫學院生物學家AlQuraishi開發出新型人工智慧算法，能夠快速分析預測蛋白質三維結構，大大提高蛋白質三維結構預測的效率，將預測時間從若干小時或幾天縮短至幾毫秒
  • 勃起功能障礙藥物可幫助細胞破壞錯誤摺疊的蛋白質
    在最近的一項研究中，哈佛醫學院的科學家發現了一種激活細胞蛋白質質量控​​制系統並提高其處理錯摺疊蛋白質(包括已知會引起神經退行性疾病的蛋白質)的能力的新機制。在報告的美國國家科學院論文集6月，研究人員描述了如何PDE5抑制劑-其中包括勃起功能障礙藥物西地那非和他達拉非-降低突變蛋白的積累和降低神經變性的斑馬魚模型的細胞死亡和解剖缺陷。
  • 糾正蛋白質的錯誤摺疊以治療神經退行性疾病
    他們將利用兩家公司在蛋白質錯誤摺疊方面的知識，突破神經退行性疾病治療的瓶頸。Yumanity 董事長兼聯合創始人醫學博士 Tony Coles 說：「今天我們匯集了兩個在蛋白質錯誤摺疊科學方面擁有研究背景的組織，並向神經退行性疾病患者所關心的新治療方案邁進了一步。」
  • 生物學界最大的謎團之一,蛋白質摺疊問題被 AI 破解了.
    破解了出現五十年之久的蛋白質分子摺疊問題。最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 摺疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導，新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。
  • ...環境監測成為可能、谷歌人工智慧解決蛋白質摺疊問題……| AI周報
    編者按：近日，又一世紀級難題被AI迎刃而解：谷歌旗下子公司Deepmind通過AI建立的算法模型，成功精準預測了蛋白質的摺疊方式。　　DeepMind在官網宣稱，像AlphaFold這樣能夠準確預測蛋白質結構的系統，可以加速許多有重大社會意義的研究，例如，因為不了解蛋白質的結構，研究人員無法進一步了解嗜睡病、利什曼病等熱帶醫學疾病，而這些疾病每年造成了成千上萬人的死亡。
  • 科學網—新方法可辨別蛋白質摺疊關鍵因素
    本報訊 蛋白質摺疊模式幫助其執行特定任務。
  • DeepMind:通過摺疊蛋白質的AI,解決了50年的「巨大挑戰」
    這一人工智慧軟體可以在幾天之內準確預測蛋白質將摺疊的結構，從而解決了已有50年歷史的「巨大挑戰」，可以為更好地理解鋪平道路疾病和藥物發現。每個活細胞內部都有成千上萬種不同的蛋白質，這些蛋白質可以使它們保持健康。預測蛋白質摺疊的形狀非常重要，因為它決定了蛋白質的功能，幾乎所有疾病（包括癌症和痴呆症）都與蛋白質的功能有關。
  • AI數小時內解決困擾生物學50年的高精度蛋白質摺疊預測問題
    據《紐約時報》報導，這家與谷歌同屬一家母公司的公司DeepMind創造了一個人工智慧系統，它可以快速準確地預測蛋白質如何摺疊以獲得其3D形狀，這是一個令人驚訝的複雜問題，幾十年來一直困擾著研究人員。這些 "字符串 "以複雜的方式摺疊，創造出獨特的結構，決定了蛋白質的功能。例如，新型冠狀病毒上的 "尖峰 "蛋白可以讓病毒與人體細胞結合併侵入人體細胞）。近50年前，科學家們假設，你可以只知道一個蛋白質的胺基酸序列就能預測它的結構。
  • 「知冷知熱」的蛋白質摺疊
    一幅插圖展示了蛋白質在溶液中摺疊的動力學水會影響蛋白質摺疊方式，這一假設長期存在然而，一項新研究對該假設的細節提出了挑戰。近日，發表在《物理化學快報》上的一篇論文表明：蛋白質可能會通過某種特殊的摺疊方式避開水。這一發現或將改變科學家們對溶液中疏水、親水相互作用的看法。
  • 蛋白質結構新見解或改變生物醫學未來
    小】 語音播報 　　據最新一期《美國國家科學院院刊》報導，加拿大研究人員發現了一種創建設計蛋白的新方法
  • DeepMind破解蛋白質摺疊難題
    去年年底，谷歌DeepMind推出了一種名為AlphaFold（一個用人工智慧加速科學發現的系統，它基於蛋白質的基因序列，就能預測蛋白質的3D結構）的算法。為了了解蛋白質如何摺疊，DeepMind的研究人員在一個包含約170,000個蛋白質序列及其形狀的公共資料庫中對其算法進行了訓練。在相當於100到200個圖形處理單元(按現代標準，計算能力適中)上運行，這種訓練需要數周時間。
  • AI破解蛋白質摺疊難題,這意味著什麼?
    去年年底，谷歌DeepMind推出了一種名為AlphaFold的算法。今天，在有「蛋白質奧林匹克競賽」稱呼的國際蛋白質結構預測競賽上，AlphaFold擊敗了其餘的參會選手，能夠精確地基於胺基酸序列，預測蛋白質的3D結構。
  • DeepMind稱AI能精確預測蛋白摺疊 將加速藥物設計
    來源：一財網細胞內部有成千上萬種不同的蛋白質，這些蛋白質可以使細胞保持健康狀態。蛋白質通過無規則的捲曲摺疊構成特定的三維結構，並決定蛋白質的功能，因此如果人們能夠預測蛋白質摺疊的形狀和結構，那麼將對於治療癌症和阿爾茨海默病等疾病的藥物研發起到關鍵作用。
  • 下一個諾貝爾獎:蛋白質摺疊
    除了人類之外，還包括對五種生物基因組的研究：大腸桿菌、酵母、線蟲、果蠅和小鼠，稱之為人類的五種「模式生物」。HGP測出人類基因組DNA的30億個鹼基對的序列，發現了所有人類基因，找出它們在染色體上的位置，破譯人類全部遺傳信息。科學家們已經清楚地了解到，從DNA轉錄為RNA，從RNA的密碼子，通過翻譯過程產生蛋白質的胺基酸系列，也都基本搞清楚了。
  • 下一個諾貝爾獎：蛋白質摺疊
    除了人類之外，還包括對五種生物基因組的研究：大腸桿菌、酵母、線蟲、果蠅和小鼠，稱之為人類的五種&34;。HGP測出人類基因組DNA的30億個鹼基對的序列，發現了所有人類基因，找出它們在染色體上的位置，破譯人類全部遺傳信息。科學家們已經清楚地了解到，從DNA轉錄為RNA，從RNA的密碼子，通過翻譯過程產生蛋白質的胺基酸系列，也都基本搞清楚了。
  • 谷歌Deepmind稱解決蛋白質摺疊難題 或加速藥物研發
    據報導，Alphabet旗下人工智慧公司DeepMind開發了一款軟體，可以準確預測蛋白質在幾天時間裡會摺疊成什麼樣的結構這可能為更好地了解疾病和藥物研發鋪平道路。每個活細胞體內都有成千上萬種不同的蛋白質，這些蛋白質也是細胞生存的基礎。預測蛋白質如何摺疊非常重要，因為這決定了蛋白質的性質。幾乎所有疾病，包括癌症和老年痴呆症，都與蛋白質的功能有關。歐洲生物信息學研究所的珍妮特·桑頓（Dame Janet Thornton）教授表示：「蛋白質是最美麗的結構。
  • ...DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子摺疊問題
    蛋白質存在於我們世界中的所有有機物體及奧妙人體中，全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子摺疊的難題，這項AI帶來的重大突破，將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因（比如今年的全球新冠大流行），促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。
  • 科學網—繪一張身體蛋白質摺疊的圖譜
    2014年拉斯克獎於近日揭曉。久負名望的拉斯克獎被譽為「美國諾貝爾獎」，也堪稱諾貝爾獎風向標。拉斯克獎基金會宣布，有86位拉斯克獎獲得者之後又獲得了諾貝爾獎，其中47位出現在最近30年。 今年，日本京都大學的Kazutoshi Mori和美國加州大學舊金山分校的Peter Walter因發現身體如何修復畸形蛋白而摘得拉斯克基礎醫學研究獎桂冠。
  • AI解決生物學50年大挑戰,破解蛋白質分子摺疊問題
    11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智慧技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子摺疊問題。最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 摺疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。