AI模型解碼蛋白質中的定位密碼
白海德研究所和MIT計算機科學與人工智能實驗室（CSAIL）的研究人員創建了一個機器學習模型，以預測和生成蛋白質的定位，這對於理解和治療疾病具有重要意義。
蛋白質的多樣性與功能
蛋白質是維持我們細胞運作的主要工作者，細胞中有數以千計的不同類型的蛋白質，每種都執行特定的功能。研究人員早已知道，蛋白質的結構決定了它的功能。最近的研究顯示，蛋白質的定位同樣對其功能至關重要。細胞內部充滿了各種隔間，這些隔間幫助組織細胞內的各種成分。除了生物學教科書中描述的已知細胞器外，這些空間還包括多種動態的無膜隔間，這些隔間能集中某些分子以執行共同的功能。因此，了解某個蛋白質的定位及其與哪些其他蛋白質共定位，對於深入理解該蛋白質在健康或疾病細胞中的角色極為重要，但研究人員一直缺乏一種系統的方法來預測這些信息。
從結構到定位的預測
在過去的五十多年中，蛋白質結構的研究取得了重大進展，最終導致了人工智慧工具AlphaFold的誕生，該工具能根據蛋白質的氨基酸序列預測其結構。與此同時，MIT教授Richard Young及其同事開始探索那些不折疊成固定結構的氨基酸區域，是否可以用來預測蛋白質的定位。雖然已有研究發現一些蛋白質序列與其定位相關，但研究人員尚不清楚是否可以根據序列預測蛋白質的定位。
現在，Young及其同事們開發了一個名為ProtGPS的模型，並在《科學》雜誌上發表了他們的研究成果。該模型能預測蛋白質將定位到12種已知的細胞隔間，並能判斷與疾病相關的突變是否會改變該定位。
驗證模型的有效性
研究團隊對模型的預測進行了實驗測試，結果顯示ProtGPS能以高準確率預測蛋白質的最終位置。研究人員還檢測了ProtGPS在疾病相關突變下對蛋白質定位變化的預測能力。他們發現，許多與疾病相關的突變確實改變了蛋白質的定位，並確認了ProtGPS的預測。
推進蛋白質設計的邊界
研究人員不僅希望ProtGPS能預測現有蛋白質的定位，還希望它能設計出全新的蛋白質。研究團隊約束模型僅設計類似自然界中存在的蛋白質，這一方法在藥物設計中常見，因為自然經過數十億年的演化已經找到了有效的蛋白質序列。
通過與Young實驗室的合作，機器學習團隊能夠測試他們的蛋白質生成器。結果顯示，模型生成的蛋白質在細胞中成功定位到核仁，這為未來的治療設計提供了新的方向。
未來的展望
研究人員希望ProtGPS能像AlphaFold一樣，被廣泛應用於研究蛋白質功能、失調及疾病。隨著對定位重要性的理解加深，這一模型將有助於開發新的治療假設和設計功能更強大的蛋白質。
總的來說，這項研究不僅揭示了蛋白質定位的潛在機制，還為未來的治療策略提供了新的視角。隨著技術的進一步發展，ProtGPS有望在生物醫學領域開創新的研究與應用方向。
這項研究強調了跨學科合作的重要性，展示了機器學習在生物科學中的應用潛力，未來我們將看到更多關於蛋白質功能和疾病機制的突破。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
