AI预测蛋白质立体结构

Deep Mind开发了AlphaFold，这是一种从基因序列信息预测蛋白质构象的技术。如果您了解蛋白质的确切结构，希望它有助于开发阿尔茨海默氏症和帕金森症的新药物。

蛋白质几乎与人体可以执行的所有功能相关联，例如将食物转化为能量，感知收缩肌肉的光。蛋白质是一种高分子化合物，其中20种L-氨基酸在链中连接，并且称为氨基酸残基的氨基酸单元是如何连接的，不作为一维排列信息记录在DNA中。因此，预测蛋白质的立体结构是蛋白质折叠的问题。蛋白质折叠是指蛋白质（线性氨基酸复合物）形成每种蛋白质独特的折叠结构的过程。在任何情况下，蛋白质越大，对其进行建模就越困难。

到目前为止，研究已经通过低温电子显微镜，核磁共振和X射线晶体学揭示了蛋白质的空间结构。但是，存在每个结构中存在试验和错误并且成本高的问题。出于这个原因，基于人工智能的预测作为一种替代方法已经引起了人们的关注。

在过去几年中，遗传分析已经发生了巨大变化，使我们能够准备大量的遗传数据，而Deep Mind也成功地开发了基于这些数据的alpha-folds。

研究小组从一开始就重新开始对目标结构进行建模，而不是使用先前解决的蛋白质折叠问题。正如预测的那样，该团队使用两种方法预测了完整的蛋白质结构

两种方法都使用经过训练的神经网络来预测基因阵列中的蛋白质特征。该网络预测氨基酸对的距离与连接它们的化学键之间的角度之间的性质。这两个评分量表在两个预测中可以显示蛋白质结构的准确度，并且可以使用机器学习使用梯度下降（最速下降）高精度地预测该分数。

如前所述，阿尔茨海默氏症，帕金森症，亨廷顿氏症和囊性纤维化被认为是由蛋白质的错误折叠引起的。三维预测和理解蛋白质结构将有助于开发新药物。了解蛋白质折叠还可以促进可生物降解酶领域的进步，这可能导致更加环保的塑料和油类等废物的分解。有关更多信息，请单击此处 。