中南大学马克思主义学院
首页 > 科研动态
关注我们
学术桥-订阅号
学术桥-小程序
我国科学家首创蛋白质动态结构AI建模方法
研究团队首先从57651个人类蛋白结构中选取具有代表性的数十个蛋白质结构对其进行分子动力学模拟,获取蛋白质的空间运动轨迹,建立蛋白质动态构象的模型。

  科技日报记者 刘园园

  西湖大学12月8日公布,该校人工智能(AI)讲席教授李子青团队与厦门大学、德睿智药合作,首创研发了能够刻画蛋白质构象变化与亲和力预测的AI模型——ProtMD。

  这是第一个尝试解析蛋白质动态构象的人工智能方法,可辅助药物化学专家更加精准地筛选出高活性小分子,从而加速临床前药物研发。相关研究成果发表在《尖端科学》期刊。

  李子青介绍,此前谷歌旗下公司研发的“阿尔法折叠2”能够利用人工智能准确预测蛋白质的三维结构,对结构生物学、药物设计乃至整个科学界都产生了巨大影响。但“阿尔法折叠2”只能预测蛋白质在一个瞬间的静态结构,尚未能解决蛋白质结构动态变化的预测。

  李子青团队此次开发的AI模型,给定药物分子和靶点蛋白,可预测药物分子与生物体内靶点蛋白质结合(柔性对接)后蛋白质结构的变化过程,推断药物与靶标蛋白结合的稳定性,预测药物功能,从而提升AI药物设计的精度和效率。

  研究团队首先从57651个人类蛋白结构中选取具有代表性的数十个蛋白质结构对其进行分子动力学模拟,获取蛋白质的空间运动轨迹,建立蛋白质动态构象的模型。在预训练环节,研究团队要求模型能够基于上一时刻的蛋白构象预测下一时刻的蛋白构象;同时训练模型对不同时刻蛋白质顺序的排序能力,使其能对时序被随机打乱的蛋白质构象进行排序。实验表明,该AI模型在药物-蛋白亲和力预测任务上,轻量级版本表现已超过现有的最优模型。

  “预测蛋白质结构的动态变化,对理解生命过程、研发新型药物都有着重要意义。”李子青说,尤其在AI药物设计中,通过对药物分子与靶点蛋白结合后的动态结构变化进行预测,评估药物-靶点结合亲和力和药物效果,是提高AI药物筛选准确性和效能的重要思路。

延伸阅读
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性。
如果作者不希望被转载,请与我们联系。
扫码关注学术桥
关注人才和科研