這是第一個(gè)嘗試解析蛋白質(zhì)動(dòng)態(tài)構(gòu)象的人工智能方法，可輔助藥物化學(xué)專家更加精準(zhǔn)地篩選出高活性小分子，從而加速臨床前藥物研發(fā)。相關(guān)研究成果發(fā)表在《尖端科學(xué)》期刊。

李子青介紹，此前谷歌旗下公司研發(fā)的“阿爾法折疊2”能夠利用人工智能準(zhǔn)確預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，對(duì)結(jié)構(gòu)生物學(xué)、藥物設(shè)計(jì)乃至整個(gè)科學(xué)界都產(chǎn)生了巨大影響。但“阿爾法折疊2”只能預(yù)測(cè)蛋白質(zhì)在一個(gè)瞬間的靜態(tài)結(jié)構(gòu)，尚未解決蛋白質(zhì)結(jié)構(gòu)動(dòng)態(tài)變化的預(yù)測(cè)。

李子青團(tuán)隊(duì)此次開(kāi)發(fā)的AI模型，給定藥物分子和靶點(diǎn)蛋白，可預(yù)測(cè)藥物分子與生物體內(nèi)靶點(diǎn)蛋白質(zhì)結(jié)合（柔性對(duì)接）后蛋白質(zhì)結(jié)構(gòu)的變化過(guò)程，推斷藥物與靶標(biāo)蛋白結(jié)合的穩(wěn)定性，預(yù)測(cè)藥物功能，從而提升AI藥物設(shè)計(jì)的精度和效率。

研究團(tuán)隊(duì)首先從57651個(gè)人類蛋白結(jié)構(gòu)中選取具有代表性的數(shù)十個(gè)蛋白質(zhì)結(jié)構(gòu)對(duì)其進(jìn)行分子動(dòng)力學(xué)模擬，獲取蛋白質(zhì)的空間運(yùn)動(dòng)軌跡，建立蛋白質(zhì)動(dòng)態(tài)構(gòu)象的模型。在預(yù)訓(xùn)練環(huán)節(jié)，研究團(tuán)隊(duì)要求模型能夠基于上一時(shí)刻的蛋白構(gòu)象預(yù)測(cè)下一時(shí)刻的蛋白構(gòu)象；同時(shí)訓(xùn)練模型對(duì)不同時(shí)刻蛋白質(zhì)順序的排序能力，使其能對(duì)時(shí)序被隨機(jī)打亂的蛋白質(zhì)構(gòu)象進(jìn)行排序。實(shí)驗(yàn)表明，該AI模型在藥物—蛋白親和力預(yù)測(cè)任務(wù)上，輕量級(jí)版本表現(xiàn)已超過(guò)現(xiàn)有的最優(yōu)模型。

“預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的動(dòng)態(tài)變化，對(duì)理解生命過(guò)程、研發(fā)新型藥物都有著重要意義。”李子青說(shuō)，尤其在AI藥物設(shè)計(jì)中，通過(guò)對(duì)藥物分子與靶點(diǎn)蛋白結(jié)合后的動(dòng)態(tài)結(jié)構(gòu)變化進(jìn)行預(yù)測(cè)，評(píng)估藥物—靶點(diǎn)結(jié)合親和力和藥物效果，是提高AI藥物篩選準(zhǔn)確性和效能的重要思路。