科学家开发出名为CANYA的新型人工智能工具，该技术可能彻底改变对阿尔茨海默病等50多种与蛋白质聚集相关疾病的诊断和治疗方法。这项由加泰罗尼亚基因调控研究中心（Centre for Genomic Regulation）和加泰罗尼亚生物工程研究所（Institute for Bioengineering of Catalonia）研究人员共同开发的模型，首次成功解码了驱动有害蛋白质聚集的化学语言，使科学家不仅能预测蛋白质形成粘性聚集体的时间，还能解释其形成原因。
蛋白质有时会形成名为淀粉样蛋白纤维的有害聚集结构，这些聚集体破坏正常细胞功能，是包括主要痴呆类型在内的多种疾病的致病根源。全球有超过5亿人受此类疾病影响。值得注意的是，淀粉样蛋白不仅存在于人体，在所有生命形式中都有发现，虽然有时具有特定功能，但多数情况下会引发病理问题。
CANYA标志着生物学领域AI应用的重大突破。传统AI模型如同"黑箱"只能给出结果而无法解释原理，而CANYA通过解释决策过程，揭示了蛋白质聚集的潜在规则。该模型展现出比现有工具高15%的预测准确率。
规模空前的训练数据
这项技术突破的关键在于构建了迄今为止最大的蛋白质聚集研究数据库。研究人员合成了超过10万个长度为20个氨基酸的蛋白质片段，并在酵母细胞中进行测试。当特定片段引发聚集时，会改变酵母的生长模式。最终检测显示约22,000个片段具有聚集特性，这是过去研究样本量的数千倍。"我们创造了自然界中并不存在的随机蛋白质片段"，研究首席作者Mike Thompson博士表示，"进化过程仅探索了极小部分可能性空间，而我们的研究扩展了这一探索范围"。
通过结合卷积神经网络和注意力机制，CANYA既能识别氨基酸序列中的关键特征（如疏水性motif），又能分析这些特征在完整蛋白质中的相对重要性。研究发现，位于蛋白质起始端的疏水性氨基酸更容易引发聚集，同时推翻了传统认知中某些氨基酸具有聚集抑制作用的结论。
医学与生物技术突破
这项研究成果在生物制药领域具有重要应用价值。许多蛋白质类药物在生产过程中会因聚集失效，造成重大经济损失。"蛋白质聚集是制药公司的重大难题"，IBEC的Benedetta Bolognesi博士指出，"CANYA可以帮助设计不发生聚集的药物分子，显著降低研发成本"。研究团队计划进一步提升模型能力，未来将实现对聚集速度的预测，这对早期诊断神经退行性疾病具有重要意义。
该研究得到了欧洲研究委员会、西班牙科学部等机构资助，研究成果已发表于《科学进展》期刊。研究团队还表示，这种结合大规模实验与机器学习的方法为可预测生物学研究开辟了新途径，未来可能应用于其他重大生物学问题的探索。
【全文结束】
