人工智能正在用一种完全不同的方式造物。
韩国科学技术院的研究人员与2024年诺贝尔化学奖得主大卫·贝克教授合作，成功地使用人工智能从零开始设计了能够选择性识别特定化合物的人工蛋白质。
这项发表在《自然通讯》杂志上的研究，标志着生物医学领域一个真正的分水岭。过去，科学家们主要是在大自然的图书馆里搜索或修改现有的蛋白质。如今，他们可以像建筑师设计建筑一样，从原子层面直接设计具有所需功能的全新生命分子。
这项成就的关键在于一个看似简单但实际上非常困难的壮举：让人工智能学会了蛋白质与小分子如何相互作用。研究团队开发了一种精确反映蛋白质与配体相互作用的人工智能模型，然后用它成功设计了六种不同化合物的结合蛋白，包括代谢物和小分子药物。但最令人瞩目的是，他们设计了一种能够选择性识别压力激素皮质醇的蛋白质，并基于它开发了一个功能完整的生物传感器。
这不是理论上的成功。研究人员不仅在计算机上完成了设计，还在实验室验证了每一个设计都确实能够工作。皮质醇传感器特别意义重大，因为它从纯粹的蛋白质工程跨越到了实际可测量的生物传感器技术，解决了蛋白质设计领域长期存在的一个难题：如何让人工设计的蛋白质识别小分子。
皮质醇依赖性异二聚体的设计与表征。图片来源：Gyu Rie Lee等
从诊断到救命
这项技术的应用前景几乎是无限的。最直接的应用是医学诊断。皮质醇水平异常与压力、代谢紊乱甚至某些精神健康问题有关。一个能够精确检测血液中皮质醇的生物传感器，可以使医生进行更早、更准确的诊断。但这只是开始。研究人员计划扩展这项技术，设计能够识别其他疾病生物标志物的蛋白质，比如肿瘤标志物或感染指标。
更令人兴奋的是环境监测的可能性。想象一个能够实时检测空气或水中污染物的传感器，这样的传感器可以由这项技术设计。又或者，考虑新药开发的加速。传统的药物设计过程需要数年时间才能找到能够与目标蛋白质绑定的分子。如果AI可以设计蛋白质来识别和结合任何分子，那么反过来，我们或许也能更快地为任何目标分子设计结合蛋白。这可能会彻底改变药物发现和开发的速度和成本。
智能与精密的完美结合
图片来源：Unsplash/CC0 公共领域
这项研究的技术含量不容小觑。蛋白质设计向来被认为是计算生物学中最困难的挑战之一，因为它需要在原子层面进行精确的三维结构计算。设计一个能够与另一个蛋白质相互作用的蛋白质已经很难，但设计一个能够与小分子相互作用的蛋白质则难上加难。小分子不像蛋白质那样具有明确的结构框架，它们是灵活多变的，形状可能会改变。
李圭利教授领导的韩国科学技术院团队开发的AI模型，通过融合深度学习和物理基础的设计方法，解决了这个问题。该模型学会了如何预测蛋白质何时会以最优的方式与小分子结合。然后，研究人员使用这个模型来生成蛋白质设计。特别地，他们设计了一种化学诱导的二聚体，这意味着设计了一个由两个蛋白质部分组成的系统，它们可以通过皮质醇的存在而结合在一起。
最引人注目的细节是，这项工作的一些关键技术已经申请了美国临时专利。这意味着商业化可能即将到来。虽然从实验室原型到可用的诊断工具或治疗方法还有很长的路要走，但这次突破已经证明了这条路的可行性。
下一个边界
李圭利教授表示，研究团队计划将这项技术扩展到更广泛的蛋白质设计领域。未来，这种方法可能被应用于设计能够与多种不同分子相互作用的复杂蛋白质系统。想象一下未来的医学，每个患者都可以获得专门为其个人化情况设计的蛋白质疗法。
这项成就也反映了贝克实验室多年来在深度学习和蛋白质设计融合方面的坚持。自从贝克因AlphaFold的开发而获得诺贝尔奖以来，他的团队继续推进AI在生物设计中的应用边界。这次与韩国科学技术院的合作表明，国际科学合作正在加速AI驱动的生物学创新。
当AI从零开始设计的蛋白质开始在医院和实验室中发挥作用时，我们将回过头来，看到2026年3月发表的这项研究是生物工程的一个转折点。
热门跟贴