腾讯AI Lab提升蛋白质结构预测精度

左边部分为从头折叠得到的3D蛋白模型;右边部分是该3D模型在给定2D距离矩阵下的偏差

11月下旬，腾讯公布了一项人工智能助力药物发现的新进展。通过腾讯自研的提升蛋白质结构预测精度的新方法，联合研究团队首次解析了II型5a还原酶（SRD5A2）的三维结构，揭示了治疗脱发和前列腺增生的药物分子“非那雄胺”对于该酶的抑制机制，这将有助于深化研究相关疾病的病理学机制及药物优化。

此次，腾讯 AI Lab 采用“从头折叠”的蛋白质结构预测方法帮助解析了SRD5A2晶体结构，并通过自研AI工具“ tFold”有效提升了蛋白质结构预测精度，在科研突破中发挥了核心作用。除了在SRD5A2结构中的应用，这套方法还可以拓展应用于蛋白质分子和病理学机制的相关研究中。该项联合研究成果登上了国际顶级期刊《Nature》子刊《Nature Communications》，论文题为《人体类固醇II型5a还原酶与抗雄激素药物非那雄胺的结构研究》。

所谓“从头折叠”，是相对于“模板建模”的一种蛋白质结构预测方法。“模板建模”是目前最普遍的蛋白结构预测手段，但有一个使用前提——人类已知的蛋白结构数据库（即PDB）当中，必须存在和预测的蛋白相似的结构，否则就无法使用。而腾讯AI Lab采用的“从头折叠”方法则跳出了这个限制，可以不依赖于模板来预测蛋白结构。

但此前，通过“从头折叠”方法预测的蛋白质结构精度不高，难以满足晶体数据解析的精度需要。腾讯 tFold 工具加持下得到的高精度“从头折叠”的结构模型，为分子置换方法提供相位，繼而解析确定2.8    原子级别精度的SRD5A2晶体结构。这一结果能直接推进我们对体内 SRD5A2 活性失调引发的各类疾病的理解，进而为基于 SRD5A2 结构的药物开发提供参考。