机器研究设计不会干扰蛋白质

科技日报北京10月10日电（记者张梦安然）美国哈佛大学和西北大学的研究团队开发了一种新的机器学习方法，可以对联合蛋白质进行分类，并设计具有特定性质的本质无序蛋白质（IDP），因此可以使用人工智能（AI）工具来评估近30%的人的保护结构。该成果发表在最新一期《自然计算科学》杂志上。 长期以来，这种类型的蛋白质一直是一个困难的模型，因为它没有折叠成固定的三维结构。虽然“α折叠”等先进的人工智能系统在结构上很出色，但它们无法有效处理高度动态的分子。然而，IDP在细胞信号、分子传感、交联等基本生物过程中发挥着重要作用，其功能障碍也与多种因素密切相关。癌症和神经退行性疾病等疾病。例如，α-突触核蛋白与帕金森病密切相关。 为了应对这一挑战，研究团队提出了一种将物理模型与机器学习技术相结合的新方法。该程序基于“自动微分”技术，这是一种在深入研究中常用的算法，用于计算导数以监控变量输入的微小变化对输出的影响。他们利用这种机制在分子模拟动力学的框架下直接优化氨基酸的给药，使其具有预定的物理或功能特性。与通常的人工智能模型依赖大量数据进行训练不同，该方法依赖于现有且足够精确的物理模拟系统，以便通过梯度优化寻找满足特定操作要求的蛋白质跟踪蛋白质，例如开发能力建立灵活的连接结构或响应环境变化。 该团队强调，目标不是取代数据驱动模型的物理理解，而是在设计过程中嵌入真正的分子行为策略，以便生成的蛋白质序列不仅起作用，而且设计过程本身植根于自然的真实动态原理。由此设计的蛋白质是“maDifferent”，这意味着优化的每一步都是基于对系统物理状态的流畅和精确控制，而不是依赖于黑盒预测。 （编辑：罗智智、陈健） 关注公众号：人民网财经 分享这么多人都能看到