研究人员为识别分子相互作用创造了新的人工智能

　　化学生物学中人工智能的发展可能会开启新型疾病治疗

　　

了解蛋白质如何相互作用对于开发新的治疗方法和了解疾病至关重要。由于计算技术的进步，由化学助理教授阿尔贝托·佩雷斯领导的一组研究人员开发了一种突破性的算法来识别这些分子相互作用。

佩雷斯的研究团队包括来自佛罗里达大学的两名研究生，Arup Mondal和Bhumika Singh，以及来自罗格斯大学和伦斯勒理工学院的几名研究人员。该研究小组将他们的发现发表在德国著名化学杂志《Angewandte Chemie》上。

这个创新的工具被命名为AF-CBA管道，在精确定位特定蛋白质的最强肽结合物方面提供了无与伦比的准确性和速度。它通过使用人工智能来模拟分子相互作用，对数千个候选分子进行分类，以确定与感兴趣的蛋白质相互作用最好的分子。

人工智能驱动的方法允许管道在人类或传统物理方法完成相同任务所需的一小部分时间内执行这些操作。

“把它想象成一家杂货店，”佩雷斯解释说。“当你想买到最好的水果时，你必须比较大小和方面。当然，水果太多了，无法全部品尝，所以你在做出选择之前会比较几种。然而，这种人工智能方法不仅可以尝试所有的方法，还可以可靠地挑选出最好的方法。”

通常，我们感兴趣的蛋白质是那些在行为不当时对我们身体造成最大伤害的蛋白质。通过发现哪些分子与这些有问题的蛋白质相互作用，该管道为对抗炎症、免疫失调和癌症等疾病的靶向治疗开辟了道路。

佩雷斯说:“了解最强肽粘合剂的结构反过来有助于我们合理设计新的药物治疗方法。”

这条管道的开创性在于它建立在现有技术的基础上:一个名为AlphaFold的程序。AlphaFold由谷歌Deepmind开发，利用深度学习来预测蛋白质结构。这种对熟悉技术的依赖将有利于研究人员对管道的可访问性，并有助于确保其未来的采用。

展望未来，Perez和他的团队的目标是扩大他们的产品线，以获得进一步的生物学见解和抑制疾病因子。他们瞄准了两种病毒:小鼠白血病病毒和卡波西氏肉瘤病毒。这两种病毒都会导致严重的健康问题，尤其是肿瘤，并与目前未知的蛋白质相互作用。

“我们想要设计新的肽库，”佩雷斯说。“AF-CBA将使我们能够识别出那些比病毒肽结合更强的设计肽。”