AI 系統預測可以結合或抑制目標的蛋白質片段 | 麻省理工學院新聞

蛋白質互動的重要性

所有生物功能都依賴於不同蛋白質之間的互動。蛋白質之間的互動幫助我們完成從轉錄DNA到控制細胞分裂等各種重要功能，甚至還有更複雜的生物體功能。

小蛋白片段的潛力

然而，關於這些功能如何在分子層面上協調，還有很多不清楚的地方。最近的研究發現，小的蛋白質片段擁有很大的功能潛力。即使它們是不完整的片段，短小的氨基酸鏈仍然可以與目標蛋白質的界面結合，模擬原本的互動。透過這個過程，它們可以改變該蛋白質的功能或干擾它與其他蛋白質的互動。

研究的最新進展

最近發表在《美國國家科學院院刊》上的一項新方法，利用人工智慧模型來預測可以結合並抑制大腸桿菌 (E. coli) 中完整蛋白質的蛋白質片段。理論上，這個工具可以用來對任何蛋白質開發基因編碼的抑制劑。

機器學習的應用

這個名為FragFold的程式，利用了AlphaFold這個人工智慧模型，這個模型在最近幾年因為能夠預測蛋白質摺疊和蛋白質互動而取得了驚人的進展。這個項目的目標是預測片段抑制劑，這是AlphaFold的一個新應用。研究人員實驗證實，FragFold預測的超過一半的結合或抑制結果都是準確的，即使研究人員對這些互動的機制沒有任何先前的結構數據。

FtsZ蛋白質的研究

例如，FtsZ是一種對細胞分裂至關重要的蛋白質。雖然它已經被廣泛研究，但它有一個內在無序的區域，因此特別難以研究。無序蛋白質是動態的，它們的功能互動通常是短暫的，這使得目前的結構生物學工具無法捕捉到單一的結構或互動。

FragFold的潛力

研究人員利用FragFold探索FtsZ片段的活性，包括內在無序區域的片段，以識別與各種蛋白質的新結合互動。這項進展意義重大，因為它是在不解決無序區域結構的情況下取得的，並且展示了FragFold的潛在能力。

預測與實驗的結合

研究人員透過計算將每個蛋白質分割成片段，然後建模這些片段如何與他們認為相關的互動夥伴結合。他們比較了預測的結合地圖與這些片段在活細胞中的實際效果，這是通過高通量實驗測量得出的。

未來的應用

這項研究是發展細胞設計原則系統理解的起點，並探索深度學習模型可能用來做出準確預測的元素。研究人員希望未來能夠利用這些預測數據和實驗數據，找出AlphaFold學習到的良好抑制劑的特徵。

結論

FragFold的開發為操控蛋白質功能提供了廣泛的可能性。研究人員可以想像設計出功能化的片段，這些片段可以修改原有蛋白質，改變它們在細胞中的位置，甚至重新編程它們，創造出新的工具來研究細胞生物學和治療疾病。