AI從零開始創造生命：設計出的蛋白質能夠智能識別疾病信號

人工智能正在用一種完全不同的方式造物。

韓國科學技術院的研究人員與2024年諾貝爾化學獎得主大衛·貝克教授合作，成功地使用人工智能從零開始設計了能夠選擇性識別特定化合物的人工蛋白質。

這項發表在《自然通訊》雜志上的研究，標志著生物醫學領域一個真正的分水嶺。過去，科學家們主要是在大自然的圖書館里搜索或修改現有的蛋白質。如今，他們可以像建筑師設計建筑一樣，從原子層面直接設計具有所需功能的全新生命分子。

這項成就的關鍵在于一個看似簡單但實際上非常困難的壯舉：讓人工智能學會了蛋白質與小分子如何相互作用。研究團隊開發了一種精確反映蛋白質與配體相互作用的人工智能模型，然后用它成功設計了六種不同化合物的結合蛋白，包括代謝物和小分子藥物。但最令人矚目的是，他們設計了一種能夠選擇性識別壓力激素皮質醇的蛋白質，并基于它開發了一個功能完整的生物傳感器。

這不是理論上的成功。研究人員不僅在計算機上完成了設計，還在實驗室驗證了每一個設計都確實能夠工作。皮質醇傳感器特別意義重大，因為它從純粹的蛋白質工程跨越到了實際可測量的生物傳感器技術，解決了蛋白質設計領域長期存在的一個難題：如何讓人工設計的蛋白質識別小分子。

皮質醇依賴性異二聚體的設計與表征。圖片來源：Gyu Rie Lee等

從診斷到救命

這項技術的應用前景幾乎是無限的。最直接的應用是醫學診斷。皮質醇水平異常與壓力、代謝紊亂甚至某些精神健康問題有關。一個能夠精確檢測血液中皮質醇的生物傳感器，可以使醫生進行更早、更準確的診斷。但這只是開始。研究人員計劃擴展這項技術，設計能夠識別其他疾病生物標志物的蛋白質，比如腫瘤標志物或感染指標。

更令人興奮的是環境監測的可能性。想象一個能夠實時檢測空氣或水中污染物的傳感器，這樣的傳感器可以由這項技術設計。又或者，考慮新藥開發的加速。傳統的藥物設計過程需要數年時間才能找到能夠與目標蛋白質綁定的分子。如果AI可以設計蛋白質來識別和結合任何分子，那么反過來，我們或許也能更快地為任何目標分子設計結合蛋白。這可能會徹底改變藥物發現和開發的速度和成本。

智能與精密的完美結合

圖片來源：Unsplash/CC0 公共領域

這項研究的技術含量不容小覷。蛋白質設計向來被認為是計算生物學中最困難的挑戰之一，因為它需要在原子層面進行精確的三維結構計算。設計一個能夠與另一個蛋白質相互作用的蛋白質已經很難，但設計一個能夠與小分子相互作用的蛋白質則難上加難。小分子不像蛋白質那樣具有明確的結構框架，它們是靈活多變的，形狀可能會改變。

李圭利教授領導的韓國科學技術院團隊開發的AI模型，通過融合深度學習和物理基礎的設計方法，解決了這個問題。該模型學會了如何預測蛋白質何時會以最優的方式與小分子結合。然后，研究人員使用這個模型來生成蛋白質設計。特別地，他們設計了一種化學誘導的二聚體，這意味著設計了一個由兩個蛋白質部分組成的系統，它們可以通過皮質醇的存在而結合在一起。

最引人注目的細節是，這項工作的一些關鍵技術已經申請了美國臨時專利。這意味著商業化可能即將到來。雖然從實驗室原型到可用的診斷工具或治療方法還有很長的路要走，但這次突破已經證明了這條路的可行性。

下一個邊界

李圭利教授表示，研究團隊計劃將這項技術擴展到更廣泛的蛋白質設計領域。未來，這種方法可能被應用于設計能夠與多種不同分子相互作用的復雜蛋白質系統。想象一下未來的醫學，每個患者都可以獲得專門為其個人化情況設計的蛋白質療法。

這項成就也反映了貝克實驗室多年來在深度學習和蛋白質設計融合方面的堅持。自從貝克因AlphaFold的開發而獲得諾貝爾獎以來，他的團隊繼續推進AI在生物設計中的應用邊界。這次與韓國科學技術院的合作表明，國際科學合作正在加速AI驅動的生物學創新。

當AI從零開始設計的蛋白質開始在醫院和實驗室中發揮作用時，我們將回過頭來，看到2026年3月發表的這項研究是生物工程的一個轉折點。