利用构建蛋白质复合物三维结构的工具为新疗法铺平道路

密苏里大学的一名研究人员创建了一个计算机程序，可以揭开蛋白质如何协同工作的奥秘，为科学家提供宝贵的见解，以更好地预防、诊断和治疗癌症和其他疾病。

密苏里大学工程学院的 Jianlin “Jack” Cheng 和他的学生 Nabin Giri 开发了一种名为 Cryo2Struct 的工具，该工具利用人工智能(AI) 构建大型蛋白质复合物的三维原子结构，这项研究成果最近发表在《自然通讯》上。该模型使用来自强力显微镜捕获的冷冻分子图片或低温电子显微镜 (cryo-EM) 图像的数据。

电气工程与计算机科学系杰出教授程教授表示：“目前，冷冻电镜是一项革命性的关键技术，可用于确定细胞内的大型蛋白质结构和组装。”

“但是，从低温电子显微镜数据构建蛋白质结构需要大量劳动力，需要大量人工干预，因此耗时且难以复制。我们的技术是完全自动化的，可以生成比现有方法更精确的结构。”

预测蛋白质

要理解这项工作的意义，你必须对蛋白质以及几十年来为理解它们而进行的努力有所了解。

蛋白质是生命的基石。它们最初是一串氨基酸，折叠成三维形状。这些形状决定了蛋白质的功能。

50 多年来，折叠过程一直困扰着研究人员。

程教授是第一批将深度学习(一种人工智能)应用于该问题的人之一。2012 年，他展示了一个基于人工智能的模型，证明深度学习可以预测蛋白质结构。这项工作为开创性的进步铺平了道路，包括谷歌的 AlphaFold，现在被认为是世界上预测蛋白质结构的最准确工具。

但预测单个蛋白质结构只是问题的一半。在现实世界中，蛋白质作为分子机器协同工作，发挥复杂的生物功能。了解蛋白质相互作用至关重要，因为它们决定了疾病的发展方式，并有助于科学家找出最佳治疗方法。

破解密码

Cheng 的 Cryo2Struct 的运作有点像一个侦探在没有任何线索的情况下破案。

该系统分析低温电子显微镜图像，识别蛋白质复合物中的单个原子及其位置，即使事先不知道结构也是如此。然后，该系统可以将这些原子组装成完整的蛋白质复合物 3D 模型，从而深入了解蛋白质的功能。

“我们的技术使科学家能够根据低温电子显微镜数据确定和构建结构，”程说。“一旦你有了这个结构并了解了它的功能，你就可以设计药物来对抗蛋白质复合物的任何功能缺陷，使其正常运作。”

在《通讯化学》杂志发表的一篇相关论文中，程和他的学生亚历克斯·莫尔黑德探索了一种不同的人工智能方法，称为扩散模型，模拟分子结构如何从随机噪声演变为明确的形状。这些方法可以帮助科学家生成和优化小分子，包括药物，并确定这些药物如何以及在何处与蛋白质结合。

“例如，我有一种药物，我想让它对某些患者更有效，”程说。“现在我可以使用人工智能来改变和优化它。”

密苏里大学的跨学科资源帮助实现了这一突破。Cheng 是 NextGen Precision Health 的研究员，在那里他可以使用低温电子显微镜和高分辨率电子显微镜。

“密苏里大学与其他研究人员合作并利用最先进设备的机会是无与伦比的，”他说。“在 NextGen，我们都在努力推进高度个性化的医疗保健，而 Cryo2Struct 等技术将帮助实现这一目标。”