蛋白质相互作用示意图。盖蒂图片社
超级计算机帮助创建了一种解码“蛋白质语言”的人工智能模型。
格拉斯哥大学的科学家们利用英国DiRAC高性能超级计算机设施的Tursa超级计算机进行研究。这台先进设备通常用于宇宙学研究，但在本项研究中被应用于医学领域。
Tursa推动了名为PLM-Interact的蛋白质语言模型的创建。该模型不仅能预测蛋白质相互作用，还能预判哪些突变会破坏这些关键分子间的通信。
“令人振奋的是，DiRAC本为探索从亚原子粒子到宇宙尺度的自然法则而设计，如今却助力我们构建新模型来探索蛋白质相互作用的内在空间，”论文通讯作者之一袁博士表示。
初步测试表明，PLM-Interact在预测蛋白质相互作用方面优于现有模型，包括谷歌DeepMind的AlphaFold3等先进工具。在医学领域，该模型有望为理解癌症和病毒感染等疾病的发展提供更优路径。
Tursa是基于GPU的极端扩展型DiRAC系统。图片来源：EPCC
经过深度训练的模型
蛋白质被视为生命的核心执行者，对细胞结构和所有生物过程至关重要。这些相互作用称为蛋白质-蛋白质相互作用（PPIs），其任何中断往往预示着癌症和遗传性疾病等疾病的开端。此外，病毒通过劫持宿主蛋白质进行复制来利用这些相互作用。
深入理解PPIs对推进新疗法和疫苗研发至关重要。PLM-Interact为此提供了强大的新视角。
PLM-Interact成功的关键在于其训练过程。研究人员借助超级计算机，在多达421,000个人类蛋白质对上训练了该模型。Tursa的计算能力对快速微调这个6.5亿参数模型至关重要，使其学习了蛋白质通信的复杂语言。
以高精度预测蛋白质相互作用
该模型预测蛋白质相互作用的准确率比其他前沿AI蛋白质模型高出16%至28%。PLM-Interact成功预测了驱动RNA聚合和蛋白质运输等关键生物功能的五种核心蛋白质相互作用，而AlphaFold3等其他工具仅能预测其中一种。
此外，研究人员证实PLM-Interact能识别突变如何影响蛋白质相互作用，从而导致遗传疾病或抑制癌症中的重要PPIs。当进一步针对人类与病毒蛋白质相互作用进行训练时，该模型在预测病毒与宿主蛋白质交互方面再次超越现有模型，为理解病毒出现、评估大流行潜力及识别抗病毒新药靶点开辟了新途径。
“新冠疫情中理解病毒-宿主相互作用的紧迫性，充分说明了PLM-Interact这类工具未来的宝贵价值，”通讯作者大卫·罗伯逊教授表示。
目前，实验识别蛋白质相互作用既昂贵又耗时。PLM-Interact提供了快速、准确且可扩展的解决方案，为科学家研究疾病和感染提供关键新见解。研究团队正致力于探索PLM-Interact在更广泛应用中的潜力，未来或可加速新型疗法和疫苗的开发，并深化对生命基本过程的理解。
研究成果已发表于《自然·通讯》期刊。
【全文结束】
