Science：研究人员利用人工智能成功预测蛋白相互作用

　　在一项新的研究中，来自美国德克萨斯大学西南医学中心和华盛顿大学等研究机构的研究人员利用人工智能（AI）和进化分析构建出真核生物蛋白相互作用的三维模型。他们首次鉴定出100多种可能的蛋白复合物，并为700多种以前未被描述的蛋白复合物提供了结构模型。对成对或成组的蛋白如何结合在一起执行细胞过程的深入了解可能会带来大量新的药物靶标。相关研究结果于2021年11月11日在线发表在Science期刊上，论文标题为“Computed structures of core eukaryotic protein complexes”。论文通讯作者为德克萨斯大学西南医学中心的Qian Cong博士和华盛顿大学的David Baker博士。论文第一作者为华盛顿大学的Ian R. Humphreys、Minkyung Baek和Aditya Krishnakumar以及德克萨斯大学西南医学中心的Jimin Pei。

　　Cong博士说，“我们的结果代表了结构生物学新时代的一个重大进展，计算在其中发挥着基本作用。”

　　Cong博士解释说，蛋白经常以成对或成组的方式（形成蛋白复合物）运作以完成让有机体存活所需的每一项任务。虽然这些相互作用中的一些得到了很好的研究，但许多仍然是一个谜。构建全面的相互作用组（interactome）---即描述细胞中完整的分子相互作用---将阐明生物学的许多基本方面，并为科学家们开发促进或阻止这些相互作用的药物提供一个新起点。Cong博士工作于将生物信息学和生物学结合在一起的相互作用组学这一新兴领域。

　　直到最近，构建相互作用组的一个主要障碍是许多蛋白质结构的不确定性，这是科学家们半个世纪以来一直试图解决的问题。2020年和2021年，一家名为DeepMind的公司和Baker博士的实验室独立发布了两项名为AlphaFold（AF）和RoseTTAFold（RF）的人工智能技术，这两种技术根据产生蛋白的基因序列使用不同的策略来预测蛋白结构。

　　在这项新的研究中，Cong博士、Baker博士和他们的同事通门过对许多酵母蛋白复合物进行建模，扩展了这些人工智能结构预测工具。酵母是一种常见的基础生物学研究的模型生物。为了找到可能相互作用的蛋白，他们首先在相关真菌的基因组中寻找以相互关联的方式获得突变的基因。然后，他们使用这两种人工智能技术来确定这些蛋白是否可以在三维结构中配合在一起。

参与转录、翻译和DNA修复的蛋白复合物。图片来自Science, 2021, doi:10.1126/science.abm4805。

　　他们的研究确定了1505种可能的蛋白复合物。其中的699种已在结构上得到表证，验证了他们方法的实用性。然而，只有有限的实验数据支持700种预测的相互作用，另外106种从未被描述过。

　　为了更好地了解这些较差表证或未知的蛋白复合物，Cong团队、Baker团队与世界各地已经在研究这些或类似蛋白的同事们合作。通过这项新研究中构建的三维模型与合作者提供的信息相结合，他们能够获得对参与维持和处理遗传信息、细胞构造和运输系统、新陈代谢、DNA修复和其他领域的蛋白复合物的新见解。他们还根据新发现的与其他特征明确的蛋白的相互作用，确定了以前功能未知的蛋白的作用。

　　Cong博士补充说，“我们这篇论文中描述的研究工作为人类相互作用组的类似研究奠定了基础，最终可能有助于开发人类疾病的新疗法。”

　　Cong博士指出，这项新研究中生成的蛋白复合物预测结构可从ModelArchive（网址：https://modelarchive.org/doi/10.5452/ma-bak-cepc）下载。她说，这些结构以及在未来研究中使用这项技术生成的其他结构将未来几年研究问题的丰富来源。