声化

使用人工智能进行基于声化的从头蛋白质设计、使用分子建模进行结构预测和分析

我们报告了使用深度学习模型设计从头蛋白质的方法，该方法基于基本构件通过分层模式相互作用。深度神经网络模型基于将蛋白质序列和结构信息转换成乐谱，该乐谱的特点是每种氨基酸具有不同的音高，音符长度和音符音量的变化反映了二级结构信息以及有关链长和不同蛋白质分子的信息。我们训练了一个深度学习模型，该模型的架构由几个长期短期记忆单元组成，这些数据来自由按某些特征分类的蛋白质的音乐表示组成的数据，这里重点关注富含 α 螺旋的蛋白质。然后，我们使用深度学习模型生成从头乐谱，并将音高信息和链长转换成氨基酸序列。我们使用基本局部比对搜索工具将预测的氨基酸序列与已知蛋白质进行比较，并使用优化蛋白质折叠识别方法 (ORION) 和 MODELLER 估计折叠蛋白质结构。我们发现，这里提出的方法可用于设计尚不存在的从头蛋白质，并且设计的蛋白质会折叠成指定的二级结构。我们通过在显式水中进行分子动力学平衡，然后使用正常模式分析进行表征，验证了新预测的蛋白质。该方法提供了一种设计新型蛋白质材料的工具，这些材料可以作为生物、医学和工程领域的材料得到有用的应用。