中國的科學家表示，他們已經實現了一件“不可能的事情”:開發(fā)出一種可以預測蛋白質結構變化的人工智能。這是一項非常復雜的任務，許多生物學家，包括“女神科學家”顏寧都認為，這超出了機器學習的能力。

由西湖大學工程學院李子青教授領導的研究人員表示，這一突破可以加快臨床前藥物開發(fā)的過程。

蛋白質分子是人體的基本構件，由氨基酸長鏈組成。鏈的三維結構會導致蛋白質發(fā)生可逆變化，具體取決于所需的生物功能，這些替代結構被稱為構象。

結構生物學家顏寧上個月從普林斯頓大學辭職回國，她回國后首次公開露面，引發(fā)了關于人工智能在該領域局限性的辯論。

在南方科技大學舉辦的一個論壇上，顏教授強調了該技術在理解蛋白質構象方面的局限性，蛋白質構象是藥物開發(fā)中的一個重要而困難的方面。

但是根據李子青教授和他團隊的說法，他們的人工智能模型ProtMD克服了這個問題，可以準確預測蛋白質在不同的生理環(huán)境中會形成哪些構象。“即使是DeepMind開發(fā)的最強大的AlphaFold2也只能預測蛋白質瞬間的靜態(tài)結構。在我們之前，沒有人能夠預測蛋白質結構的動態(tài)變化。”

據悉，DeepMind研發(fā)的人工智能方法AlphaFold2可以準確預測蛋白質的三維結構，但是目前只能預測蛋白質在一個瞬間的靜態(tài)結構，并未解決蛋白質結構動態(tài)變化的預測。

ProtMD的算法可以計算蛋白質在原子水平上的運動，生成基于分子動力學的數據。研究人員表示，由于其不同的計算邏輯，ProtMD比其他方法（包括AlphaFold）更通用，但對于未知結構對，其性能水平是相同的。

李教授說“該模型不僅可以根據蛋白質之前的狀態(tài)預測其即將發(fā)生的構象，還可以預測與藥物分子相互作用后的構象變化，從而使我們有機會評估藥物的效果。”

在漫長的臨床試驗過程之前，能夠更準確地預測藥物蛋白親和力將為制藥開發(fā)商節(jié)省一些最大的成本，并在新藥設計中體現人工智能的有效性。

不過，盡管傳統(tǒng)的計算機模擬加速了發(fā)現階段，但它們無法進行快速虛擬篩選，因此無法準確預測類藥物分子如何與靶蛋白相互作用。計算生物學家和結構生物學家都做了很多嘗試來解決這個問題，但都受到了受體適應小分子改變的高度動態(tài)和時間依賴性阻礙。

李說：“這項研究是使用人工智能方法分析蛋白質動態(tài)構象的第一步。ProtMD的輕量級版本已經超過了最先進的模型，其工業(yè)級版本可以進一步提高藥物親和力預測和虛擬篩選的效率。”

AI藥物開發(fā)公司德睿智藥的首席執(zhí)行官牛張明表示，ProtMD為圍繞“蛋白質開發(fā)機器學習模型”提供了一個新的方向。“這種方法在基本原理和過程上取得了突破，是同類方法中預測精度最高的”。