详细内容或原文请订阅后点击阅览
用于生成运动蛋白质完整模型的人工智能模型
模拟蛋白质骨架（黄色），通过人工智能生成的快照进行增强。图片来源：LPCS LTS2 EPFL CC BY SA。作者：Celia Luterbacher 许多药物和抗体发现途径都集中在复杂折叠的细胞膜蛋白上。当候选药物的分子与这些蛋白质结合时，就像钥匙插入锁一样，它们会引发化学级联反应，[...]
来源:ΑΙhub模拟蛋白质骨架（黄色），通过人工智能生成的快照进行增强。图片来源：LPCS LTS2 EPFL CC BY SA。
作者：西莉亚·卢特巴赫
许多药物和抗体发现途径都集中在复杂折叠的细胞膜蛋白上。当候选药物的分子与这些蛋白质结合时，就像钥匙插入锁一样，它们会引发化学级联反应，从而改变细胞行为。因此，了解蛋白质如何折叠和移动对于开发与其靶点良好相互作用的药物至关重要。
人工智能 (AI) 是生成新颖蛋白质结构的非常有用的工具，但大多数系统（包括 Google DeepMind 的 AlphaFold）都专注于生成蛋白质的静态“快照”。侧链结构中原子的微妙重排会影响蛋白质与其他分子的相互作用，但这种重排不会被捕获。
现在，洛桑联邦理工学院生命科学学院的科学家与工程学院的数据处理专家联手解决了这个问题。由蛋白质与细胞工程实验室 (LPCE) 的 Patrick Barth 和信号处理实验室 (LTS2) 的 Pierre Vandergheynst 领导的研究人员开发了一种基于人工智能的生成框架，称为全蛋白质生成潜在扩散 (LD-FPG)，该框架可生成蛋白质及其运动的完整的全原子结构整体。
“蛋白质就像微型机器，会跳舞、开关来工作，但生成这部完整细节的‘电影’一直是一个尚未解决的挑战，”LPCE 研究员 Aditya Sengar 说。 “我们的 LD-FPG 框架是第一个做到这一点的。我们的模型不是试图预测空间中原子的精确坐标，而是学习蛋白质形状变化的低维图。这种概念上的转变使得生成全原子动力学成为可能。”
新框架尤其可以为复杂的药物靶标生成全方位的运动，例如 G 蛋白偶联受体 (GPCR)：全球药物开发行业的焦点。
参考文献
洛桑联邦理工学院