人工智能系统用于创造人工蛋白质的构想

芝加哥大学普利茨克分子工程学院（PME）的一个研究小组最近成功地创建了一个人工智能系统，通过分析存储的大数据，可以创造出全新的人工蛋白质。

蛋白质是构成生物组织所必需的大分子，对一般细胞的生命至关重要。蛋白质被细胞用作化学催化剂，使各种化学反应发生，并执行复杂的任务。如果科学家们能够找到可靠的人工蛋白质工程，它将为碳捕获的新方法、获取能量的新方法和新的疾病治疗方法打开大门。人工蛋白质有能力显著改变我们生活的世界。据EurekaAlert报道，芝加哥PME大学的研究人员最近的一项突破使科学家们更接近这些目标。PME的研究人员利用机器学习算法来开发一个能够产生新形式蛋白质的系统。

该研究小组根据从各种基因组数据库中提取的数据创建了机器学习模型。随着模型的学习，他们开始区分共同的基本模式，简单的设计规则，使人工蛋白质的创造成为可能。在实验室中，通过对这些模式进行分析并合成相应的蛋白质，研究人员发现人工蛋白质产生的化学反应与自然产生的蛋白质所驱动的化学反应大致相同。

根据PME UC，Rama Ranganathan的Joseph Regenstein教授的说法，研究小组发现基因组数据包含了大量关于蛋白质基本功能和结构的信息。通过利用机器学习来识别这些共同的结构，研究人员“能够将大自然的规则封闭起来，自己创造蛋白质。”

在这项研究中，研究人员把重点放在代谢酶上，特别是一种叫做chorismate变位酶的蛋白质家族。这种蛋白质家族是多种植物、真菌和细菌生命所必需的。

Ranganathan和他的合作者意识到基因组数据库包含了有待科学家发现的领域，但是传统的确定蛋白质结构和功能规则的方法只能取得有限的成功。该团队着手设计能够揭示这些设计规则的机器学习模型。该模型的发现意味着，通过在氨基酸对进化过程中保持氨基酸位置和相关性，可以创建新的人工序列。

研究小组创造了合成基因，编码产生这些蛋白质的氨基酸序列。他们用这些合成基因克隆了细菌，发现细菌在其细胞机械中使用合成蛋白质，其功能几乎与普通蛋白质完全相同。

根据兰加纳坦的说法，他们的人工智能识别出的简单规则可以用来制造复杂度和多样性令人难以置信的人工蛋白质。正如兰加纳坦向尤里卡勒特解释的那样：

“限制比我们想象的要小得多。自然界的设计规则很简单，我们相信类似的方法可以帮助我们在其他复杂的生物学系统中寻找设计模型，比如生态系统或大脑。”

兰加纳坦和他的合作者们希望利用他们的模型并加以推广，从而建立一个科学家们可以用来更好地理解蛋白质是如何构成的以及它们有什么作用的平台。他们希望利用他们的人工智能系统，让其他科学家发现可以解决气候变化等重要问题的蛋白质。兰加纳坦和副教授安德鲁·弗格森创建了一家名为Evozyne的公司，旨在将这项技术商业化，并推广其在农业、能源和环境等领域的应用。

了解蛋白质之间的共同点，以及结构和功能之间的关系也有助于开发新的药物和治疗形式。尽管蛋白质折叠一直被认为是计算机难以破解的一个难题，但兰加纳桑的团队曾经提出过的模型的见解可能有助于提高这些计算的速度，从而促进基于这些蛋白质的新药的研发。可以开发出阻断病毒内蛋白质生成的药物，可能有助于治疗像Covid-19冠状病毒这样的新型病毒。

Ranganathan和其他研究团队仍然需要了解他们的模型是如何工作的，为什么工作的，以及他们如何产生可靠的蛋白质蓝图。研究小组的下一个目标是更好地了解模型考虑了哪些属性，从而得出结论。