麻省理工學(xué)院的研究人員正在使用人工智能來設(shè)計超越自然界中發(fā)現(xiàn)的新蛋白質(zhì)。

他們開發(fā)了機器學(xué)習(xí)算法，可以生成具有特定結(jié)構(gòu)特征的蛋白質(zhì)，可用于制造具有某些機械性能的材料，如剛度或彈性。這種受生物啟發(fā)的材料有可能取代由石油或陶瓷制成的材料，但碳足跡要小得多。

來自麻省理工學(xué)院、麻省理工學(xué)院-IBM 沃森人工智能實驗室和塔夫茨大學(xué)的研究人員采用了生成模型，這與 DALL-E 2 等人工智能系統(tǒng)中使用的機器學(xué)習(xí)模型架構(gòu)類型相同。但是，他們沒有像DALL-E 2那樣使用它從自然語言提示中生成逼真的圖像，而是調(diào)整了模型架構(gòu)，以便它可以預(yù)測實現(xiàn)特定結(jié)構(gòu)目標(biāo)的蛋白質(zhì)的氨基酸序列。

在即將發(fā)表在《化學(xué)》雜志上的一篇論文中，研究人員展示了這些模型如何產(chǎn)生現(xiàn)實而新穎的蛋白質(zhì)。這些模型學(xué)習(xí)控制蛋白質(zhì)形成方式的生化關(guān)系，可以產(chǎn)生新的蛋白質(zhì)，可以實現(xiàn)獨特的應(yīng)用，資深作者Markus Buehler說，他是Jerry McAfee工程教授，土木與環(huán)境工程和機械工程教授。

例如，該工具可用于開發(fā)受蛋白質(zhì)啟發(fā)的食品涂層，它可以使農(nóng)產(chǎn)品保持更長時間的新鮮，同時人類可以安全食用。他補充說，這些模型可以在幾天內(nèi)產(chǎn)生數(shù)百萬種蛋白質(zhì)，迅速為科學(xué)家提供一系列新想法供探索。

“當(dāng)你考慮設(shè)計大自然尚未發(fā)現(xiàn)的蛋白質(zhì)時，這是一個如此巨大的設(shè)計空間，你不能只用鉛筆和紙來整理它。你必須弄清楚生命的語言，氨基酸被DNA編碼的方式，然后聚集在一起形成蛋白質(zhì)結(jié)構(gòu)。在我們進行深度學(xué)習(xí)之前，我們真的無法做到這一點，“Buehler說，他也是MIT-IBM Watson AI實驗室的成員。

與Buehler一起發(fā)表論文的是主要作者Bo Ni，他是Buehler原子和分子力學(xué)實驗室的博士后;以及塔夫茨大學(xué)斯特恩家族工程學(xué)教授和生物工程教授大衛(wèi)·卡普蘭。

為任務(wù)調(diào)整新工具

蛋白質(zhì)由氨基酸鏈形成，以3D模式折疊在一起。氨基酸的序列決定了蛋白質(zhì)的機械性能。雖然科學(xué)家們已經(jīng)確定了數(shù)千種通過進化產(chǎn)生的蛋白質(zhì)，但他們估計仍有大量的氨基酸序列尚未被發(fā)現(xiàn)。

為了簡化蛋白質(zhì)發(fā)現(xiàn)，研究人員最近開發(fā)了深度學(xué)習(xí)模型，可以預(yù)測一組氨基酸序列的蛋白質(zhì)3D結(jié)構(gòu)。但事實證明，相反的問題——預(yù)測滿足設(shè)計目標(biāo)的氨基酸結(jié)構(gòu)序列——更具挑戰(zhàn)性。

機器學(xué)習(xí)的新出現(xiàn)使Buehler和他的同事能夠應(yīng)對這一棘手的挑戰(zhàn)：基于注意力的擴散模型。

Buehler說，基于注意力的模型可以學(xué)習(xí)非常長程的關(guān)系，這是開發(fā)蛋白質(zhì)的關(guān)鍵，因為長氨基酸序列中的一個突變可以成就或破壞整個設(shè)計。擴散模型通過向訓(xùn)練數(shù)據(jù)添加噪聲的過程學(xué)習(xí)生成新數(shù)據(jù)，然后學(xué)習(xí)通過消除噪聲來恢復(fù)數(shù)據(jù)。在生成高質(zhì)量、真實的數(shù)據(jù)方面，它們通常比其他模型更有效，這些數(shù)據(jù)可以調(diào)節(jié)以滿足一組目標(biāo)以滿足設(shè)計需求。

研究人員使用這種架構(gòu)構(gòu)建了兩個機器學(xué)習(xí)模型，可以預(yù)測各種新的氨基酸序列，這些序列形成滿足結(jié)構(gòu)設(shè)計目標(biāo)的蛋白質(zhì)。

“在生物醫(yī)學(xué)行業(yè)，你可能不想要一種完全未知的蛋白質(zhì)，因為那樣你就不知道它的特性。但在某些應(yīng)用中，您可能想要一種全新的蛋白質(zhì)，類似于自然界中發(fā)現(xiàn)的蛋白質(zhì)，但做一些不同的事情。我們可以用這些模型生成頻譜，我們通過調(diào)整某些旋鈕來控制，“Buehler說。

氨基酸的常見折疊模式，稱為二級結(jié)構(gòu)，產(chǎn)生不同的機械性能。例如，具有α螺旋結(jié)構(gòu)的蛋白質(zhì)產(chǎn)生彈性材料，而具有β折疊結(jié)構(gòu)的蛋白質(zhì)產(chǎn)生剛性材料。結(jié)合α螺旋和β片可以創(chuàng)造出有彈性和堅固的材料，如絲綢。

研究人員開發(fā)了兩種模型，一種在蛋白質(zhì)的整體結(jié)構(gòu)特性上起作用，另一種在氨基酸水平上起作用。這兩種模型都通過結(jié)合這些氨基酸結(jié)構(gòu)來產(chǎn)生蛋白質(zhì)。對于對整體結(jié)構(gòu)屬性進行操作的模型，用戶輸入所需百分比的不同結(jié)構(gòu)(例如，40%α螺旋和60%β表)。然后，模型生成滿足這些目標(biāo)的序列。對于第二個模型，科學(xué)家還指定了氨基酸結(jié)構(gòu)的順序，這給出了更細(xì)粒度的控制。

這些模型與預(yù)測蛋白質(zhì)折疊的算法相關(guān)聯(lián)，研究人員使用該算法來確定蛋白質(zhì)的3D結(jié)構(gòu)。然后，他們計算其結(jié)果屬性，并根據(jù)設(shè)計規(guī)范進行檢查。

逼真而新穎的設(shè)計

他們通過將新蛋白質(zhì)與具有相似結(jié)構(gòu)特性的已知蛋白質(zhì)進行比較來測試他們的模型。許多與現(xiàn)有的氨基酸序列有一些重疊，在大多數(shù)情況下約為50%至60%，但也有一些全新的序列。相似性水平表明，許多生成的蛋白質(zhì)是可合成的，Buehler補充道。

為了確保預(yù)測的蛋白質(zhì)是合理的，研究人員試圖通過輸入物理上不可能的設(shè)計目標(biāo)來欺騙模型。令他們印象深刻的是，這些模型沒有產(chǎn)生不可能的蛋白質(zhì)，而是產(chǎn)生了最接近的可合成溶液。

“學(xué)習(xí)算法可以發(fā)現(xiàn)自然界中隱藏的關(guān)系。這讓我們有信心說，無論從我們的模型中得出什么結(jié)果，都很可能是現(xiàn)實的，“倪說。

接下來，研究人員計劃通過在實驗室中制造一些新的蛋白質(zhì)設(shè)計來實驗驗證它們。他們還希望繼續(xù)增強和完善模型，以便開發(fā)滿足更多標(biāo)準(zhǔn)的氨基酸序列，例如生物學(xué)功能。

“對于我們感興趣的應(yīng)用，如可持續(xù)性、醫(yī)藥、食品、健康和材料設(shè)計，我們需要超越大自然所做的。這是一個新的設(shè)計工具，我們可以用來創(chuàng)建潛在的解決方案，幫助我們解決我們面臨的一些真正緊迫的社會問題，“Buehler說。