12 月 18 日在《自然》雜志上發表的一項新研究報告了人工智能驅動的生物技術進步，對藥物開發、疾病檢測和環境影響監控。華盛頓大學醫學院蛋白質設計研究所的科學家們使用軟件創建了蛋白質分子，這些蛋白質分子以極高的親和力和特異性與多種物質結合具有挑戰性的生物標志物，包括人類激素。值得注意的是，科學家們在計算機生成的生物分子與其目標之間實現了有史以來最高的相互作用強度。

華盛頓大學醫學生物化學教授、霍華德休斯醫學研究所研究員、2023 年生物學和生物醫學前沿知識獎獲得者、資深作者 David Baker 強調了潛在影響：“能夠生成具有如此高結合親和力的新型蛋白質和特異性開辟了從新疾病治療到先進診斷的可能性世界。”

該團隊由貝克實驗室成員 Susana Vazquez-Torres、Preetham Venkatesh 和 Phil Leung 領導，著手創建能夠與胰高血糖素、神經肽 Y、甲狀旁腺激素和其他螺旋肽靶標結合的蛋白質。這些分子在生物系統中至關重要，但藥物和診斷工具尤其難以識別，因為它們通常缺乏穩定的分子結構。抗體可用于檢測其中一些醫學相關目標，但通常生產成本昂貴且保質期有限。

“當今有許多疾病難以治療，僅僅是因為檢測體內的某些分子非常具有挑戰性。作為診斷工具，設計的蛋白質可以提供比抗體更具成本效益的替代方案。”文卡特什解釋道。

該研究引入了一種使用先進深度學習方法的新型蛋白質設計方法。研究人員提出了一種使用 RFdiffusion(一種用于創建新蛋白質形狀的生成模型)與序列設計工具 ProteinMPNN 結合的新方法。這些程序由貝克實驗室開發，使科學家能夠比以往更有效地創造功能性蛋白質。通過以新的方式組合這些工具，該團隊利用有限的目標信息(例如單獨的肽的氨基酸序列)生成了結合蛋白。這種“量身定制”的廣泛含義是：該方法開啟了生物技術的新時代，人工智能生成的蛋白質可用于檢測與人類健康和環境相關的復雜分子。

“我們正在見證蛋白質設計的一個激動人心的時代，先進的人工智能工具，比如我們研究中的工具，正在加速蛋白質活性的改善。這一突破將重新定義生物技術的格局。”巴斯克斯-托雷斯指出。

與哥本哈根大學的約瑟夫·羅杰斯實驗室以及 安德魯·胡夫納格爾實驗室< /span> 在華盛頓大學醫學院，該團隊進行了實驗室測試以驗證他們的生物設計方法。質譜法用于檢測與人血清中低濃度肽結合的設計蛋白質，從而證明了靈敏且準確的疾病診斷的潛力。此外，研究發現，盡管高溫等惡劣條件，這些蛋白質仍保留其靶標結合能力，這是實際應用的一個關鍵屬性。為了進一步展示該方法的潛力，研究人員將高親和力甲狀旁腺激素結合劑集成到生物傳感器系統中，并在含有目標激素的樣品中實現了生物發光信號增加 21 倍。這種與診斷設備的集成凸顯了人工智能生成的蛋白質的直接實際應用。

這項研究闡釋了生物技術與人工智能的融合，并在這兩個領域開創了新的先例，該研究發表在 Nature 上，標題為“生物活性螺旋肽高親和力結合劑的從頭設計。”