(資料圖片)

美國研究人員使用人工智能(AI)來設計超越自然界的新蛋白質。他們開發(fā)的機器學習算法，可生成具有特定結構特征的蛋白質，這些蛋白質可用于制造具有特定機械性能(如剛度或彈性)的材料，從而取代作為原料的石油或陶瓷。研究論文發(fā)表在最新一期《化學》雜志上。

麻省理工學院、IBM沃森AI實驗室和塔夫茨大學研究人員采用了一種生成模型，其與DALL-E 2等AI系統(tǒng)中使用的機器學習模型架構相同，但研究人員調整了模型架構，以預測實現(xiàn)特定結構的蛋白質的氨基酸序列。

這一模型學習控制蛋白質形成方式的生化關系，產生超越自然界的新蛋白質，從而實現(xiàn)獨特應用，例如，該工具開發(fā)的食品涂層可使農產品保鮮時間更長，同時保證食用安全。該模型還可在幾天內就生成數(shù)百萬種蛋白質，為科學家迅速提供可供探索的新可能。

研究人員此次構建了兩個機器學習模型，以預測各種新氨基酸序列，這些氨基酸序列形成滿足結構設計目標的蛋白質。一種模型在蛋白質的整體結構特性上起作用，另一種模型在氨基酸水平上起作用。兩種模型都通過組合這些氨基酸結構來產生蛋白質。

這些模型與預測蛋白質折疊的算法相關聯(lián)，研究人員使用該算法來確定蛋白質的3D結構。然后，他們計算其結果屬性，并根據設計規(guī)范檢查這些屬性。測試顯示，其與現(xiàn)有氨基酸序列存在部分重疊，在大多數(shù)情況下約有50%—60%，但也有一些全新的序列。相似程度表明，AI生成的許多蛋白質是可合成的。

總編輯圈點

近幾年，人工智能在預測設計蛋白質結構方面的進展不斷。這些研究成果的側重點各有不同，比如有的可預測蛋白質合成的靜態(tài)結構，有的可預測蛋白質合成的動態(tài)結構，有的可設計全新的蛋白質結構。總之，它們充分展示了人工智能在預測設計有機大分子結構方面的巨大潛力。從另一個角度來看，無機材料的微觀組織結構，也是新材料研發(fā)攻關中的一大難題。人工智能是否能在這些領域取得突破，同樣值得期待。

關鍵詞：