设计蛋白质生物资料的可视化示例。

图片起源：马库斯·比勒/《利用物理学杂志》

 

　　科技日报北京8月29日电 （记者张梦然）美国麻省理工学院钻研人员在新一期《利用物理学杂志》颁发的论文中
，将把稳力神经网络与图神经网络相结合
，以更好地理解和设计蛋白质。该步骤将几何深度进建与说话模型的两种优势结合起来
，不仅可预测现有蛋白质个性
，还可设想天然界尚未设计出的新蛋白质。

 

　　蛋白质通过构建块的怪异分列来执行大量生物工作。将这个险些无限的分列库转化为各自的职能
，就可让钻研人员设计用于特定用处的定造蛋白质。

 

　　但蛋白质一向难以建模
，尤其是人们想要“反向操作”——将所需的职能转化为蛋白质结构
，更是一个高难度挑战。

 

　　这次新模型就可通过对根基道理建模
，将大天然发现的所有作为基础
，沉新组合了这些天然构建块
，能实现新职能并解决多类型工作。

 

　　新建模型将数字、描述、工作和其他元素转化为符号供神经网络使用。团队首先训练模型
，凭据分歧蛋白质的职能来预测它们的序劣注溶化度和氨基酸组成部门。而后
，在收到新蛋白质职能的初始参数后
，教它阐扬创造力并生玉成新的结构。

 

　　这种步骤能创造出以前必须溶化在水中的固体抗菌蛋白。在另一个例子中
，团队选取了一种天然存在的丝蛋白
，并将其进化成各类新大局
，蕴含赋予其螺旋状态或褶皱结构
，让其拥有弹力和韧性。

 

　　钻研人员暗示
，该技术的宽泛性意味着这一模型能利用于蛋白质设计之表的很多领域
，如设计拥有特定失效模式的资料。

 

【总编纂圈点】

 

　　蛋白质
，性命的物质基础
，它一向是性命科学领域的钻研沉点和热点。人们孜孜不倦
，想要相识它、刷新它甚至创造它。人为智能已成为蛋白质钻研的“黄金搭档”之一
，它被用来做蛋白质结构预测
，创建蛋白质分子。这次
，深度进建和说话模型结合
，新的蛋白质应运而生。先设定蛋白质的职能
，再天生蛋白质的结构
，知路想要什么
，便能够创造什么。这种蛋白质能解决现实问题
，执行特定工作。只管提需要吧
，剩下的交给神经网络去实现。