蛋白質AI生成模型發布，阻斷癌癥靶點在望

“如果你認為AI進展放緩，那只是因為你對它關注不夠?！?024年9月5日一大早，谷歌AI Studio產品總監Logan Kilpatrick在社交媒體上發了一條推文。

當天，谷歌DeepMind團隊發布蛋白質AI生成模型AlphaProteo，可為多種靶蛋白生成新的蛋白結合劑，幫助科學家更好地理解生物系統是如何運作的，節約研究時間，加快藥物的設計研發等。

這是首個用于設計新型高強度蛋白質粘合劑（Protein Binder）的AI模型，也是谷歌從2017年起陸續推出AlphaFold系列生物學預測工具以來，在蛋白質結構預測之外為生物學界帶來的又一個突破性的AI工具。

AlphaFold 1 在2018年第13屆蛋白質結構預測技術關鍵評估（CASP）中獲得最高分，一鳴驚人；AlphaFold 2 2020年在CASP上以高于90%的準確率，再次將其他選手遠遠甩在身后；2023年，Alphafold-latest進一步預測蛋白質結構的能力泛化到核酸、任意小分子配體等其他的生物分子結構的預測上；2024年5月，AlphaFold 3可預測“幾乎所有分子類型”的蛋白質復合物結構，并在預測藥物相互作用上實現了前所未有的準確性。

這些工具，已經在科學界廣泛使用開來。比如，2024年9月4日，《自然》（Nature）刊發英國MRC-格拉斯哥大學和澳大利亞悉尼大學科研團隊成果，他們利用AlphaFold和ESMFold成功預測了黃病毒科數百種病毒的蛋白質結構，包括導致登革熱、寨卡病毒和丙型肝炎等疾病的病原體，揭示了病毒如何進入體內并在細胞中復制的關鍵進入機制，不僅為疫苗開發鋪平了道路，還為應對當前Mpox等病毒的威脅和防范未來的大流行病等提供了基礎。

AlphaFold可以幫助科研人員深入了解了蛋白質如何相互作用以發揮其功能，但無法創建新的蛋白質來直接操縱這些相互作用?？茖W家已經創造出成功結合目標分子的新型蛋白質，但這種蛋白質設計機器學習方法依然十分費力，仍需大量的實驗測試。

AlphaProteo的訓練數據，包括全球結構生物學界科學家們多年積累的蛋白質數據庫（PDB）中的蛋白質數據，以及AlphaFold中的1億多個預測結構，從而了解分子之間結合的方式，只要給定目標分子結構和首選結合位置，就能生成在這些位置與目標分子結合的候選蛋白質。

具體來看，AlphaProteo可為多種靶蛋白生成新的蛋白結合劑，包括與癌癥和糖尿病并發癥相關的VEGF-A（血管內皮生長因子A）。在團隊測試的七種目標蛋白質上，AlphaProteo實現了更高的結合成功率，并且比現有方法提高了3-300倍的結合親和力。

例如，病毒蛋白BHRF1這一特定靶標在濕實驗室測試時，88%的候選分子都能成功結合。根據測試目標，AlphaProteo的結合強