微软开源新型蛋白质生成人工智能 EvoDiff

微软开源新型蛋白质生成人工智能EvoDiff但是，从计算和人力资源的角度来看，目前在实验室设计蛋白质的过程成本高昂。它需要提出一种能在体内执行特定任务的蛋白质结构，然后找到一种可能"折叠"到该结构中的蛋白质序列（组成蛋白质的氨基酸序列）。(蛋白质必须正确折叠成三维形状，才能实现其预期功能）。其实不一定非要这么复杂。本周，微软公司推出了一个通用框架EvoDiff，该公司声称可以根据蛋白质序列生成"高保真"、"多样化"的蛋白质。与其他蛋白质生成框架不同的是，EvoDiff不需要目标蛋白质的任何结构信息，省去了通常最费力的步骤。微软高级研究员凯文-杨（KevinYang）说，EvoDiff开源后，可用于创建新疗法和给药方法的酶，以及用于工业化学反应的新酶。"我们的设想是，EvoDiff将扩展蛋白质工程的能力，使其超越结构-功能范式，走向可编程、序列优先的设计，"EvoDiff的共同创建者之一杨在接受TechCrunch电子邮件采访时说。"通过EvoDiff，我们证明了我们可能实际上并不需要结构，而是'蛋白质序列就是你所需要的一切'，从而可控地设计出新的蛋白质"。EvoDiff框架的核心是一个640参数模型，该模型是根据所有不同物种和功能类别蛋白质的数据训练而成的。(参数"是人工智能模型从训练数据中学到的部分，基本上定义了模型处理问题的技能--在本例中就是生成蛋白质）。训练模型的数据来自序列比对的OpenFold数据集和UniRef50，后者是UniProt数据集的一个子集，UniProt是由UniProt联盟维护的蛋白质序列和功能信息数据库。EvoDiff是一种扩散模型，其结构类似于稳定扩散和DALL-E2等许多现代图像生成模型。EvoDiff可以学习如何从几乎完全由噪声组成的起始蛋白质中逐渐减去噪声，从而使其缓慢地、一步一步地接近蛋白质序列。EvoDiff生成蛋白质的过程。扩散模型已越来越多地应用于图像生成以外的领域，从设计新颖的蛋白质（如EvoDiff），到创作音乐，甚至合成语音。"如果说[从EvoDiff]中能得到什么启发的话，我认为那就是我们可以--也应该--通过序列来生成蛋白质，因为我们能够实现通用性、规模和模块化，"EvoDiff的另一位共同贡献者、微软高级研究员阿瓦-阿米尼（AvaAmini）通过电子邮件说。"我们的扩散框架让我们有能力做到这一点，也让我们能够控制如何设计这些蛋白质，以实现特定的功能目标。"对于阿米尼的观点，EvoDiff不仅能创造新蛋白质，还能填补现有蛋白质设计中的"空白"。例如，如果蛋白质的某一部分与另一种蛋白质结合，该模型就能围绕这一部分生成符合一系列标准的蛋白质氨基酸序列。由于EvoDiff是在"序列空间"而非蛋白质结构中设计蛋白质，因此它还能合成最终无法折叠成最终三维结构的"无序蛋白质"。与正常功能的蛋白质一样，无序蛋白质在生物学和疾病中发挥着重要作用，比如增强或降低其他蛋白质的活性。需要指出的是，EvoDiff背后的研究还没有经过同行评审--至少目前还没有。参与该项目的微软数据科学家萨拉-阿拉姆达里（SarahAlAMDari）承认，在该框架投入商业应用之前，"还有很多扩展工作要做"。阿拉姆达里通过电子邮件说："这只是一个6.4亿参数的模型，如果我们将其扩展到数十亿参数，我们可能会看到生成质量的提高。虽然我们展示了一些粗粒度策略，但要实现更精细的控制，我们希望EvoDiff以文本、化学信息或其他方式为条件，指定所需的功能。"下一步，EvoDiff团队计划测试该模型在实验室中生成的蛋白质，以确定它们是否可行。如果可行，他们将开始下一代框架的工作。...PC版：https://www.cnbeta.com.tw/articles/soft/1384011.htm手机版：https://m.cnbeta.com.tw/view/1384011.htm

破解细胞密码：蛋白质折叠与疾病疗法的新见解

破解细胞密码：蛋白质折叠与疾病疗法的新见解马萨诸塞大学阿默斯特分校（UMassAmherst）的一项突破性研究破解了附着在蛋白质上的糖是如何引导蛋白质正确折叠的，为治疗由蛋白质错误折叠引起的疾病提供了可能。研究小组的方法揭示了一种特定酶在折叠过程中发挥的关键作用。这种蛋白质（红色）被糖（蓝色和绿色）糖苷化。资料来源：马萨诸塞大学阿默斯特分校揭开丝氨酸的神秘面纱这项发表在《分子细胞》（MolecularCell）杂志上的研究探讨了与多种疾病有关的丝氨酸蛋白家族成员。这项研究首次探讨了附着在丝蛋白上的碳水化合物的位置和组成如何确保它们正确折叠。从肺气肿、囊性纤维化到阿尔茨海默病等严重疾病，都可能因细胞对蛋白质折叠的监督出错而导致。找出负责高保真折叠和质量控制的糖蛋白代码，可能是针对多种疾病的药物疗法的一种很有前景的方法。科学家们曾一度认为，DNA是支配生命的唯一代码，一切都受DNA的四个构建模块--A、C、G和T--如何组合和重组的支配。但近几十年来，人们逐渐认识到还有其他代码在起作用，尤其是在人体细胞的蛋白质工厂--内质网（ER）--这个膜封闭的腔室中，蛋白质折叠的起始点就是内质网。约有7000种不同的蛋白质在ER中成熟，占人体所有蛋白质的三分之一。这些分泌蛋白统称为"分泌体"--负责人体从酶到免疫和消化系统的一切功能，必须正确形成才能使人体正常运作。蛋白伴侣在蛋白质折叠中的作用被称为"伴侣"的特殊分子有助于将蛋白质折叠成最终形状。它们还能帮助识别折叠不完全正确的蛋白质，为其重新折叠提供额外的帮助，或者，如果它们折叠错误得无可救药，则在它们造成损害之前将其锁定并加以破坏。然而，作为细胞质量控制部门的一部分，伴侣系统本身有时也会失效，一旦失效，就会给我们的健康带来灾难性的后果。发现ER中基于碳水化合物的伴侣系统要归功于麻省大学阿默斯特分校生物化学和分子生物学教授、本文资深作者之一丹尼尔-希伯特（DanielHebert）在20世纪90年代作为博士后开展的开创性工作。"我们现在拥有的工具，包括阿默斯特大学应用生命科学研究所的糖蛋白组学和质谱分析技术，让我们能够回答25年来一直悬而未决的问题，"Hebert说。"这篇新论文的第一作者凯文-盖伊（KevinGuay）所做的事情是我刚开始工作时梦寐以求的。"在这些悬而未决的问题中，最迫切的问题是：伴侣如何知道7000种不同的类似折纸的蛋白质何时正确折叠？理解蛋白质质量控制的创新我们现在知道，答案涉及一种名为UGGT的"ER守门员"酶，以及大量与蛋白质氨基酸序列中特定位点相连的碳水化合物标签，即N-糖。盖伊正在完成马萨诸塞大学阿默斯特分校分子细胞生物学项目的博士学业，他重点研究了两种特殊的哺乳动物蛋白质，即α-1抗胰蛋白酶和抗凝血酶。他和他的合著者利用CRISPR编辑细胞，修改了ER伴侣网络，以确定N-聚糖的存在和位置如何影响蛋白质折叠。他们观察了疾病变体被ER守门员UGGT识别的过程，为了更仔细地观察，他们利用质谱技术开发了一系列创新的糖蛋白组学技术，以了解蛋白质表面的聚糖发生了什么变化。他们发现，UGGT酶会在特定位置用糖"标记"折叠错误的蛋白质。这是一种代码，然后伴侣可以通过读取这种代码来确定折叠过程中哪里出错以及如何修复。影响和未来方向盖伊说："这是我们第一次能够看到UGGT在人体细胞制造的蛋白质上添加糖以进行质量控制的位置。我们现在有了一个平台，可以扩展我们对糖标签如何将蛋白质送入进一步质量控制步骤的理解，我们的工作表明，UGGT是靶向药物治疗研究的一个很有前景的途径。""这项研究最令人兴奋的地方在于"，马萨诸塞大学阿默斯特分校生物化学与分子生物学杰出教授、论文共同作者之一莱拉-吉拉什（LilaGierasch）说，"我们发现聚糖在ER中充当了蛋白质折叠的代码。UGGT所扮演角色的发现为未来了解并最终治疗由错误折叠蛋白质导致的数百种疾病打开了一扇大门"。参考文献《ER伴侣使用蛋白质折叠和质量控制糖代码》，作者：KevinP.Guay、HaipingKe、NathanP.Canniff、GracieT.George、StephenJ.Eyles、MalaiyalamMariappan、JosephN.Contessa、AnneGershenson、LilaM.Gierasch和DanielN.Hebert，2023年12月4日，《分子细胞》。DOI:10.1016/j.molcel.2023.11.006编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1403363.htm手机版：https://m.cnbeta.com.tw/view/1403363.htm

揭开大脑疾病的秘密：当蛋白质陷入固态时

揭开大脑疾病的秘密：当蛋白质陷入固态时研究人员利用先进的光学技术研究了与神经退行性疾病相关的蛋白质聚集体的形成。通过分析一种与渐冻症有关的蛋白质，他们对蛋白质从液态到固态的转变有了前所未有的深入了解，从而揭示了阿尔茨海默氏症和渐冻症等疾病的真相。上图是显示蛋白质凝结相互作用的纳米扫描图像。资料来源：悉尼大学这种液态到固态的转变会引发所谓的淀粉样纤维的形成。淀粉样纤维可在神经元中进一步形成斑块，导致神经退行性疾病，如阿尔茨海默氏症。悉尼大学的生物医学工程师与剑桥大学和哈佛大学的科学家合作，现已开发出精密的光学技术，可近距离监测这些蛋白质聚集体的形成过程。通过测试一种与肌萎缩性脊髓侧索硬化症（ALS）有关的蛋白质，悉尼大学的工程师们密切监测了这种蛋白质从液相到固相的转变过程。三维共聚焦显微镜扫描培养24小时的FUS蛋白质凝结物，显示了这项研究揭示的特征性核壳结构。资料来源：悉尼大学这项研究发表在美国《国家科学院院刊》（PNAS）上，其主要作者沈怡博士说："这是从基础角度理解神经退行性疾病如何发展的巨大进步。"生物医学工程学院高级讲师、悉尼大学纳米研究所成员DanieleVigolo博士说："我们现在可以在纳米尺度（百万分之一米）上直接观察到这些关键蛋白质从液态向固态的转变。蛋白质在液-液相分离过程中经常会形成凝结物，这种凝结物广泛存在于关键和健康的生物功能中，例如人类胚胎的形成。这一过程有助于蛋白质浓度至关重要的生化反应，还能促进健康的蛋白质-蛋白质相互作用。"Vigolo和沈的研究团队。资料来源：悉尼大学沈博士是化学与生物分子工程学院（SchoolofChemicalandBiomolecularEngineering）的ARCDECRAFellow，同时也是悉尼纳米研究中心（SydneyNano）的成员。"这可能导致与神经退行性疾病相关的异常结构，因为蛋白质不再表现出快速还原成液态的能力。因此，监测凝结动态至关重要，因为它们会直接影响病理状态，"她说。世界上首次对这一过程进行的纳米级光学观测使研究小组得以确定，从液态到固态蛋白质的转变始于蛋白质凝聚物的界面。这个相变窗口还揭示了这些蛋白质团聚体的内部结构是异质的，而以前人们认为它们是均质的。Vigolo博士说："我们的发现有望从根本上大大提高我们对神经退行性疾病的认识。这意味着一个充满希望的新研究领域，可以让我们更好地了解阿尔茨海默病和渐冻症是如何在大脑中发展的，这些疾病影响着全球数百万人。"...PC版：https://www.cnbeta.com.tw/articles/soft/1379653.htm手机版：https://m.cnbeta.com.tw/view/1379653.htm

科学家用尖端人工智能揭开蛋白质的秘密

科学家用尖端人工智能揭开蛋白质的秘密该工具由KAUST生物信息学研究员MaxatKulmanov及其同事开发，在预测蛋白质功能方面优于现有的分析方法，甚至能够分析现有数据集中没有明确匹配的蛋白质。该模型被称为DeepGO-SE，它利用了类似于Chat-GPT等生成式人工智能工具所使用的大型语言模型。然后，它根据蛋白质工作方式的一般生物学原理，利用逻辑蕴含得出关于分子功能的有意义的结论。从本质上讲，它通过构建部分世界模型（在本例中为蛋白质功能），并根据常识和推理推断出在这些世界模型中应该发生的事情，从而赋予计算机逻辑处理结果的能力。一种新的人工智能（AI）工具能对未知蛋白质的功能进行逻辑推理，有望帮助科学家揭开细胞内部的奥秘。图片来源：©2024KAUST;IvanGromicho他补充说："这种方法有很多应用前景，"KAUST生物本体论研究小组负责人罗伯特-霍恩多夫（RobertHoehndorf）说，"特别是当需要对神经网络或其他机器学习模型生成的数据和假设进行推理时。"库尔曼诺夫和霍恩多夫与KAUST的斯特凡-阿罗德（StefanArold）以及瑞士生物信息学研究所的研究人员合作，评估了该模型破译那些在体内作用未知的蛋白质功能的能力。该工具成功地利用了一种鲜为人知的蛋白质的氨基酸序列数据及其与其他蛋白质的已知相互作用，并精确地预测了其分子功能。该模型非常精确，在一次国际功能预测工具竞赛中，DeepGO-SE在1600多种算法中名列前20位。KAUST团队目前正在利用这一工具研究在沙特阿拉伯沙漠极端环境中生长的植物中发现的神秘蛋白质的功能。他们希望这些发现将有助于确定生物技术应用中的新型蛋白质，并希望其他研究人员也能使用这一工具。库尔曼诺夫解释说："DeepGO-SE分析未表征蛋白质的能力可以促进药物发现、代谢通路分析、疾病关联、蛋白质工程、筛选感兴趣的特定蛋白质等任务。"编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1418103.htm手机版：https://m.cnbeta.com.tw/view/1418103.htm

科学家揭示蛋白质如何驱动癌症生长

科学家揭示蛋白质如何驱动癌症生长在圣路易斯华盛顿大学医学院、麻省理工学院和哈佛大学布罗德研究所、杨百翰大学以及世界各地其他机构的领导下，临床蛋白质组肿瘤分析联合会对驱动癌症的关键蛋白质及其调控方式进行了研究。研究结果于8月14日发表在《细胞》（Cell）和《癌细胞》（CancerCell）杂志上的一组论文中。临床肿瘤蛋白质组学分析联合会由美国国立卫生研究院（NIH）国家癌症研究所资助。资深作者、华盛顿大学戴维-英格利希-史密斯医学特聘教授丁力博士说："在我们开发更好的癌症疗法的努力中，这种对驱动肿瘤生长的蛋白质的新分析是继癌症基因组测序之后的下一步。通过过去的癌细胞基因组测序工作，我们确定了近300个驱动癌症的基因。现在，我们正在研究这些癌基因所启动的机器的细节--实际导致细胞分裂失控的蛋白质及其调控网络。我们希望这项分析能成为癌症研究人员开发多种肿瘤类型新疗法的重要资源。"研究人员分析了涉及10种不同类型癌症的约1万个蛋白质，他们强调了大量数据在这类分析中的重要性；其中许多重要的癌症驱动蛋白在任何一种癌症中都很罕见，如果对肿瘤类型进行单独研究，就不可能发现这些蛋白。这项分析包括两种不同类型的肺癌以及结直肠癌、卵巢癌、肾癌、头颈癌、子宫癌、胰腺癌、乳腺癌和脑癌。丁力也是巴恩斯犹太医院和华盛顿大学医学院西特曼癌症中心的研究成员。他介绍谁哦"当我们对多种癌症类型进行综合分析时，我们就能提高检测导致癌症生长和扩散的重要蛋白质的能力。综合分析还能让我们找出驱动不同类型癌症的主要共同机制。"除了单个蛋白质的功能外，这些数据还能让研究人员了解蛋白质之间是如何相互作用来促进癌症生长的。如果两种蛋白质的水平相互关联--例如，当其中一种蛋白质的水平较高时，另一种蛋白质的水平也总是较高--这就表明这两种蛋白质是作为伙伴作用的。破坏这种相互作用可能是阻止肿瘤生长的一种有效方法。这些研究（包括丁和布罗德研究所的加德-格茨博士共同领导的一项研究）还揭示了通过化学改变蛋白质以改变其功能的不同方法。研究人员记录了这种化学变化--称为乙酰化和磷酸化的过程--如何改变DNA修复、改变免疫反应、改变DNA的折叠和包装方式，以及其他可能在癌症发生过程中发挥作用的重要分子变化。这项研究还揭示了免疫疗法的有效性。检查点抑制剂等免疫疗法通常对突变较多的癌症最有效，但即便如此，它们也并非对所有患者都有效。研究人员发现，大量突变并不总是导致异常蛋白质的大量存在，而异常蛋白质正是免疫系统攻击肿瘤的目标。丁说："对某些癌症来说，即使突变有可能产生肿瘤抗原，但如果没有异常蛋白表达或表达很少，这种突变就可能不是治疗的靶点。这可以解释为什么有些病人对免疫疗法没有反应，即使他们似乎应该对免疫疗法有反应。因此，我们的蛋白质组学调查涵盖了肿瘤抗原的表达谱，对于设计针对选定突变的新免疫疗法特别有用。"在另一项研究中，丁的团队确定了DNA甲基化模式，这是另一种能影响基因表达方式的化学变化。这种模式可能是癌症的关键驱动因素。在一项重要发现中，研究小组确定了在某些肿瘤类型中抑制免疫系统的分子开关。这组四项研究的最后一篇论文向更广泛的研究界提供了联盟使用的数据和分析资源。她说："总的来说，这种对多种癌症类型进行的彻底蛋白质组学和化学修饰分析--与我们长期积累的癌症基因组学知识相结合--提供了另一层信息，我们希望这些信息能帮助解答癌症是如何生长并设法躲避我们的许多最佳治疗方法的许多持续存在的问题。"...PC版：https://www.cnbeta.com.tw/articles/soft/1377313.htm手机版：https://m.cnbeta.com.tw/view/1377313.htm

人工智能技术可从零开始生成原始蛋白质

人工智能技术可从零开始生成原始蛋白质该实验表明，最初为阅读和写作语言文本而创建的自然语言处理人工智能可以掌握生物学的某些基本概念。这个被称为ProGen的AI程序是由SalesforceResearch开发的，它采用了下标预测法，从氨基酸序列中构建人工蛋白质。科学家们说，这项新技术可能会变得比定向进化（诺贝尔奖得主的蛋白质设计技术）更强大，它将通过加快开发新的蛋白质来为有50年历史的蛋白质工程领域注入活力，这些蛋白质几乎可以用于从治疗药物到降解塑料的任何用途。加州大学旧金山分校药学院生物工程和治疗科学教授詹姆斯-弗雷泽博士说："人工设计的性能比受进化过程启发的设计好得多，"他是这项工作的作者之一，该论文最近发表在《自然-生物技术》上。该论文的前一个版本自2021年7月以来一直在预印本服务器BiorXiv上提供，在那里获得了几十次引用，然后才发表在同行评议的期刊上。"语言模型正在学习进化的各个方面，但它与正常的进化过程不同，"弗雷泽说。"我们现在有能力调整这些属性的生成，以达到特定的效果。例如，一种热稳定性极强的酶或喜欢酸性环境或不会与其他蛋白质相互作用的酶。"为了创建这个模型，科学家们只是将2.8亿种不同的蛋白质的氨基酸序列输入机器学习模型，并让它消化了几周的信息。然后，他们用五个溶菌酶家族的56000个序列以及关于这些蛋白质的一些背景信息对该模型进行了微调。该模型迅速生成了一百万个序列，研究小组根据它们与天然蛋白质序列的相似程度，以及人工智能蛋白质的基础氨基酸"语法"和"语义"的自然程度，选择了100个进行测试。在这第一批由TierraBiosciences公司进行体外筛选的100种蛋白质中，研究小组制作了五种人工蛋白质在细胞中进行测试，并将其活性与鸡蛋白中发现的一种酶进行比较，这种酶被称为鸡蛋白溶菌酶（HEWL）。在人类的眼泪、唾液和牛奶中也有类似的溶菌酶，它们在那里抵御细菌和真菌。其中两种人工酶能够分解细菌的细胞壁，其活性与HEWL相当，但它们的序列彼此之间只有大约18%的相同。这两个序列与任何已知的蛋白质都有大约90%和70%的相同。一个天然蛋白质只要有一个突变就能使其停止工作，但在另一轮筛选中，研究小组发现人工智能生成的酶显示出活性，即使其序列中只有31.4%与任何已知的天然蛋白质相似。人工智能甚至能够学习酶的形状，仅仅通过研究原始序列数据。通过X射线晶体学测量，人造蛋白质的原子结构看起来和它们应该的一样，尽管其序列是以前从未见过的。SalesforceResearch在2020年开发了ProGen，基于他们的研究人员最初开发的一种用于生成英语文本的自然语言编程。他们从以前的工作中知道，人工智能系统可以教自己语法和单词的含义，以及其他使写作有条理的基本规则。"当你用大量数据训练基于序列的模型时，它们在学习结构和规则方面真的很强大，"SalesforceResearch的人工智能研究主任、该论文的资深作者NikhilNaik博士说。"它们可以学习哪些词可以共同出现，也可以学习构成性。"对于蛋白质，设计的选择几乎是无限的。就蛋白质而言，溶酶很小，最多有大约300个氨基酸。但是有20个可能的氨基酸，就有大量的（20300）可能的组合。这比古往今来的所有人类，乘以地球上的沙粒数量，再乘以宇宙中的原子数量还要多。考虑到无限的可能性，该模型能够如此容易地产生工作的酶，这一点非常了不起。ProfluentBio公司的创始人、前SalesforceResearch公司的研究科学家、该论文的第一作者AliMadani博士说："从零开始生成功能性蛋白质的能力表明，我们正在进入一个蛋白质设计的新时代。"这是一个可供蛋白质工程师使用的多功能新工具，我们期待着看到治疗性应用"。完整的作者和资助名单请见该论文。论文中描述的方法的综合代码库可在https://github.com/salesforce/progen上公开获取。...PC版：https://www.cnbeta.com.tw/articles/soft/1346413.htm手机版：https://m.cnbeta.com.tw/view/1346413.htm