来自莱比锡大学和萨克森州人工智能中心ScaDS.AI的一个跨学科研究团队开发了一种新的方法，将人工智能（AI）技术与生物物理建模相结合。这种创新策略可以应用于新疗法的开发，如抗体和疫苗，包括那些用于大流行病准备的药物。该项目与美国纳什维尔的范德堡大学合作进行，是计算机辅助药物开发多年工作的成果。其目标是利用AI和生物物理学的优势，更有效地解决蛋白质设计中的挑战。该研究现已发表在《科学进展》杂志上。
科学家们认为，当前计算蛋白质设计领域的研究状况类似于淘金热，许多新方法被发表但缺乏实验验证，这往往导致对AI模型性能的不准确评估。“我们迫切需要制定关于此类模型描述和可用性的标准，”药物发现研究所研究小组负责人克拉拉·肖德教授说，“我们的研究为此做出了重要贡献。”当前的研究结果表明，AI方法特别擅长提出不会破坏蛋白质折叠的序列。然而，在准确评估单个氨基酸变化对折叠的影响方面，它们表现不佳。“我们的发现清楚地表明，没有任何一种AI模型或生物物理方法适用于所有设计问题，”项目主要科学家之一、药物发现研究所主任詹斯·梅勒教授解释道，“未来我们必须仔细考虑使用哪种模型来解决特定问题。我们的工作是迈向不同方法之间更大可比性的第一步。”
罗塞塔生物物理软件套件多年来一直用于蛋白质研究，它提供了一个框架，可以整合不同的AI方法。罗塞塔被全球100多个实验室使用，使研究人员能够高效地结合不同的方法，例如大型语言模型（如ESM-2）和ProteinMPNN模型与生物物理方法。这种组合允许研究人员比较和分析不同设计方法的行为。“通过这一发展，我们可以快速轻松地将AI模型与经典方法结合起来并同时使用，”梅勒教授解释说，“这大大简化了我们的工作，并使我们能够充分利用过去20年在罗塞塔中开发的所有基础设施。”
这并不意味着研究项目已经完成。梅勒教授和肖德教授领导的研究小组将继续完善和实验评估开发的算法，特别是在针对大流行病准备的疫苗设计方面。“我们正在研究哪些方法可靠地建议可能导致疫苗候选物的氨基酸变化，”克拉拉·肖德教授说。尽管通过使用AI取得了进展，所谓的评分问题仍然是一个挑战。这指的是预测单个氨基酸替换效果的困难。在与数据扩展分析和人工智能中心ScaDS.AI的合作下，研究团队乐观地认为，AI与生物物理方法的结合不仅会提高蛋白质设计的效率。
(全文结束)
