对抗病毒,AI上场“算”结构 是否“神助攻”仍需实验验证

  • 时间:
  • 浏览:1

  此次AlphaFold对新冠病毒蛋白质形态的预测,是脱离于实验之外的形态重构。预测的准确性,尚需同行评审,以及实际临床治疗的验证。

  蛋白质是维持生命所必需的形态繁复的生物大分子,人体内几乎所有的功能如肌肉收缩、呼吸,或将食物转化为能量等,都与蛋白质之间的相互作用密切相关。而获得蛋白质三维形态,则有助科学家了解它在人体内的作用,并设计相应的药物。

  近日,人工智能公司DeepMind组阁 ,其用AlphaFold预测了六种由新冠病毒基因编码的蛋白质的三维形态,包括膜蛋白、非形态蛋白等,而且而且开放下载。

  获悉病毒蛋白质形态 有助研发针对性药物

  病毒由核酸和蛋白质组成,而蛋白质是由病毒基因组编码的。病毒蛋白质有有三种,有三种是形态蛋白,它们可可不能不能构成另有4个形态性心智心智心智心智成熟的句子是什么是什么期期期期图片 的句子的有感染性的病毒颗粒,帮助病毒侵染细胞,类式壳体蛋白、膜糖蛋白和居于于病毒颗粒中的酶等;另有三种是非形态蛋白,则帮助病毒在宿主细胞里克隆qq好友好友、基因表达,扩大在人体内的“领地”。

  早在1月10日,中国组阁 新冠病毒全基因组序列。但仅仅知道基因组序列,不须能充分了解蛋白质是如何工作的。

  “蛋白质的成分包括20种氨基酸,每个蛋白质由几十到上千个氨基酸组成。帕累托图氨基酸的线性序列会形成螺旋而且折叠状的二级形态,并进一步有序组合堆积成三维形态,你这一 三维形态决定了蛋白质在人体内如何发挥作用。”中国药科大学药学院教授肖易倍接受科技日报记者采访时,打了个比方,而且说人体的病毒受体是锁,病毒的刺突糖蛋白假使 钥匙,而且有有哪些钥匙能装进人体病毒受体蛋白,就会侵染细胞,科学家要做的,假使 弄清楚钥匙内的三维形态是有哪些、钥匙和锁的关系是有哪些,进而阻止钥匙去开锁,即阻止病毒侵染细胞。

  “知道了蛋白质如何发挥功能,就知道如何有针对性地抑制病毒活性,而且发现某个蛋白是入侵宿主细胞的关键蛋白,就可可不能不能针对你这一 蛋白而且蛋白的某个区域做药物设计。”南京大学生命科学得院教授、博导董咸池说。

  预测结果即使准确 实验过程仍不可回避

  在DeepMind团队看来,可根据氨基酸序列取舍 蛋白质的三维形态。亲们基于高度神经网络,通过预测蛋白质中每对氨基酸之间的距离,以及连接有有哪些氨基酸的化学键之间的高度,使用有三种辦法 ,来构建预测模型。

  “第一步是在形态生物学常用的技术上,训练神经网络预测蛋白质中每对氨基酸之间的距离或高度,而且不断组合有有哪些概率,提高蛋白质形态预测的准确度;第二步是通过梯度下降来优化得分。亲们预测的是整个蛋白质链,而都不 蛋白质形态组装已经 的蛋白质‘碎片’,而且一定程度上降低了整个预测过程的繁复性。”湖南大学超算中心副主任、教授彭绍亮告诉科技日报记者,AlphaFold从头结束对蛋白质的形态形态进行建模,而可可不能不能可不能不能 使用而且解析的蛋白质作为模板,这原困分析着都要超大的计算量。

  而据清华大学自动化系生物信息学副教授汪小介绍,在目前国际的蛋白质数据库(PDB)中,有离米 3万种已知的蛋白质形态,利用其中与目标序列具有类式性的蛋白质序列,可可不能不能为蛋白质形态预测提供支持。

  在人工智能高度学习之外,科学家们我让你获取蛋白质形态,目前大多从核磁共振、冷冻电镜与X射线衍射技术中寻求答案。

  “有三种辦法 都依赖大型设施、仪器,实验手段获得的蛋白质形态,通俗地说假使 给蛋白质多高度拍照片,而且根据海量二维照片重构三维形态,结果客观精确,而且实验周期比较长,通常都要几只月,实验门槛和实验成本高,实验难度假使 小。”彭绍亮说。

  此次AlphaFold对新冠病毒蛋白质形态的预测,是脱离于实验之外的形态重构。预测的准确性,尚需同行评审,以及实际临床治疗的验证。不过,DeepMind指出,“模型会指出形态的有哪些帕累托图更有而且是正确的,人太好有有哪些未被研究的蛋白质都不 当前治疗的重点,但它们而且会增加研究人员对新冠病毒的理解”。

  而对于AlphaFold的预测结果,彭绍亮认为,而且预测结果准确,都要进行分子对接、分子动力学模拟等什么都有计算分析过程,以及动物实验、人体临床试验的验证。“计算可可不能不能不断被加速,但实验过程是不可回避的,而最终的一切都不 以能做出临床可用的药物和疫苗为目标。”