改造蛋白质创造高效生物工具
2024-09-24李伟
目前已经投入应用的AI蛋白质模型，学习了海量专业、复杂的多模态数据，可以根据产业应用需求来分析、改造蛋白质的结构，或者“定制”功能性蛋白质。具体来说，通过AI蛋白质改造技术，可以简化天然蛋白质的结构，只保留某些“功能位点”；也可以根据特定的需求直接设计出自然界中不存在的全新蛋白质，创造出高效的生物工具，应用于多个领域。
分析蛋白质特征实现疾病预警
AI蛋白质改造技术的一个重要应用领域是医疗卫生。葛兰素史克公司，英国伦敦玛丽女王大学、伦敦大学学院、剑桥大学和德国夏里特医学院柏林健康研究所联合开展了一个国际研究项目。该项目是迄今为止规模最大的蛋白质组学研究。研究团队利用AI检测了从英国生物信息库中随机选出的，由4万多名参与者提供的血浆蛋白，并将检测信息与参与者的电子健康记录进行了对比。
这项研究的核心内容是使用先进的AI技术，将疾病类型与蛋白质特征进行关联。通过对一滴血液中的数千种蛋白质进行分析，可以预测多种疾病的发生。
研究报告显示，利用蛋白质特征能够预测67种疾病，包括多发性骨髓瘤、非霍奇金淋巴瘤、运动神经元疾病、肺纤维化和扩张型心肌病等。蛋白质特征预测模型的表现优于以标准临床记录为基础的疾病预测模型。在大多数情况下，基于血细胞计数、胆固醇、肾功能和糖尿病测试的临床诊断的准确性，不及蛋白质预测模型。
该研究团队表示，AI蛋白质改造技术具有筛查功能，通过分析蛋白质的特征，可以针对多种疾病提供早期检测服务，还能起到改善预后的作用。对于多发性骨髓瘤和特发性肺纤维化等较为严重的疾病，这种方法也是有效的。
预测人们未来的患病风险，能够挽救成千上万的生命。但是，如何预测，如何保证准确度，一直都是医学界面临的难题。另外，药物开发面临的挑战之一，是确定可能从新药的使用中受益的患者群体。
上述蛋白质组学研究表明，AI蛋白质改造技术可用于识别多种疾病的高风险个体。除了常见的高风险疾病，它还能预测罕见病——这些疾病可能需要数月甚至数年才能在临床上被诊断出来。
庞大的数据库和精准的AI蛋白质特征分析方法，可以不断加深人们对生物学和疾病的理解。在创新药研发领域，AI可针对蛋白质的稳定性、特征等进行多目标优化。例如，AI设计的细胞因子管线（一种蛋白质），能够将肿瘤细胞的活性降低到数百分之一。
人造生物工具净化水资源
日本京都大学的一个研究团队近日发布报告称，他们研发出一种新型生物工具，即人造蛋白质，能有选择性地捕捉水中的大量有毒重金属离子，从而净化水资源。
据研究人员介绍，目前常用的净水材料主要依靠其颗粒上的小孔吸附有害离子，或者通过材料中的离子和水中的AeqsF1c8NM3suSgT3OZ5YYhOmKGankkuWPgm9i0IjNc=离子相交换来实现净化。但是，这些净水材料通常很难兼顾净化效率以及有选择性地清除目标离子。也就是说，净化效率高的材料难以定点清除有害离子。
有研究发现，一些动植物体内的某些蛋白质，能够有选择性地与特定的重金属离子相结合，再把它们排出体外，从而保护动植物自身免受重金属离子的毒害。比如，有些植物会利用细胞内的螯合肽，有选择性地捕捉根部吸收的地下水中包含的镉等重金属离子，并把它们封闭在液泡中，最终排出体外。
研究人员受此启发，利用AI蛋白质改造技术开发出一种合成蛋白质，它拥有与植物螯合肽相同的官能团，从而能够与重金属离子紧密结合。研究人员通过实验证实，这种蛋白质与镉离子相结合的能力，超过天然的植物螯合肽。
该研究团队还实现了人造蛋白质的超高集成，即将蛋白质分子聚合在一起，使其捕捉有害离子的效率大幅提升。在对工业废水进行的净化实验中，3毫升超高集成蛋白质，可在一小时内将300毫升废水中的镉离子全部清除，使其符合饮用水标准。
两个新的应用方向
在AI技术的驱动下，生物制造领域的革命已经悄然到来。其一个重要标志是：延续了数十亿年的蛋白质进化模式发生了质的改变：不再是缓慢、充满不确定性的随机突变，而是转变为基于特定功能的创新式“定制”。
据英国《自然》杂志报道，除了前文介绍的疾病预测和水资源净化，AI蛋白质改造技术的应用范围还在不断扩大，目前有两个新的应用方向。
一是极端环境下蛋白质的稳定性优化。酶、疫苗等蛋白质产品大多需要在特定条件下保存和使用。在高温、高压、强酸、强碱等极端环境下，蛋白质极易失去活性或改变性质。基于AI技术和分子动力学，可以分析蛋白质序列、结构与稳定性之间的复杂关系，并通过预测蛋白质的热力学稳定性参数，如溶解温度、折叠自由度等，精准定位蛋白质结构中影响稳定性的关键区域。在此基础上，借助AI算法，可以在不显著改变蛋白质活性的前提下，提升其对温度、pH值、有机溶剂等环境因素的耐受性，从而得到稳定性更强的蛋白质。这有助于将蛋白质应用于更广泛的领域。
二是酶活性优化。酶作为生物催化剂，在工业生产中的应用极为广泛。通过AI蛋白质改造技术和量子化学计算，可以精准测定酶的活性中心及催化机制。在这些信息的指导下，科研人员能设计出活性更高、选择性更强的酶，并全面优化酶的催化性能，助力生产效率和产品质量的提升。
编辑：姚志刚 winter-yao@163.com
