深度学习突破：蛋白质定制药物研发提速

引言：

在生命科学的浩瀚星空中，蛋白质犹如一颗颗闪耀的恒星，它们承担着输送氧气、传递信号、防御病原体等至关重要的生命功能。蛋白质分子表面的独特性，如同每颗恒星的独特光谱，决定了它们的功能。如今，科学家们正以前所未有的速度，利用人工智能的力量，探索蛋白质的奥秘，并将其转化为治疗疾病的利器。一项发表在《自然》杂志上的最新研究，展示了一种名为“MaSIF”的几何深度学习架构，它能够以前所未有的精度，设计出与特定药物分子结合的“定制化”蛋白质，为精准药物开发开辟了新的道路。

主体：

蛋白质：生命的基础与药物开发的靶点

蛋白质是生命活动的基础，其功能由其分子表面的特定结构决定。这一特性使得蛋白质成为药物开发的重要靶点。通过设计能够与特定蛋白质结合的分子，科学家们可以改变蛋白质的结合方式，甚至开发出能够治疗疾病的“分子胶”。然而，传统的蛋白质设计方法往往面临着诸多挑战，例如，难以设计出能够与小分子配体结合的蛋白质，尤其是在三元复合物（蛋白质-配体-蛋白质）的设计方面。

MaSIF：几何深度学习的突破

为了克服这些挑战，奥地利科学院的Michael Bronstein、瑞士洛桑联邦理工学院的Bruno Correia等科学家，开创性地开发了一种名为“MaSIF”（分子表面相互作用指纹）的几何深度学习架构。MaSIF利用分子表面的物理和化学特征，为蛋白质和小分子复合物提供联合表征。这种方法不仅克服了传统方法在训练数据上的局限性，还能够捕获可推广的分子特征，从而实现对混合界面的蛋白质结合剂设计。

MaSIF-neosurf：拓展蛋白质设计边界

在最新的研究中，科学家们进一步拓展了MaSIF的应用范围，推出了MaSIF-neosurf。该工具将小分子作为目标蛋白质分子表面表示的一部分，从而能够根据新的表面指纹预测界面和结合伴侣。MaSIF最初被训练用于处理生物分子的一般化学和几何表面特性，同时抽象底层结构。因此，它不仅限于蛋白质表面，原则上也应该捕捉非蛋白质表面产生的表面模式。

MaSIF-neosurf通过计算形状指数、距离相关曲率等几何特征，以及泊松-玻尔兹曼静电、氢键供体/受体倾向和疏水性等化学特征，来描述分子表面。研究人员还专门开发了新的特征化器，用于捕捉小分子的化学性质。

实验验证：精准设计药物诱导的蛋白质相互作用

为了验证MaSIF-neosurf的有效性，研究人员设计了位点特异性结合剂，以由小分子配体和蛋白质表面部分组成的新表面为目标，从而产生从头配体依赖的蛋白质相互作用。他们成功设计并表征了新的药物诱导蛋白结合剂，该结合剂可识别：

B细胞淋巴瘤2 (Bcl2) 蛋白与临床批准的抑制剂venetoclax的复合物；
孕酮结合抗体DB3与其配体的复合物；
来自铜绿假单胞菌的肽脱甲酰酶1 (PDF1) 蛋白与抗生素放线菌素30的复合物。

这些实验结果充分证明了MaSIF-neosurf在设计复杂蛋白质-配体相互作用方面的强大能力。

“通用语言”：分子表面几何描述符的潜力

“机器学习方法面临的一个关键挑战是它们的泛化能力，或者说该方法对从未见过的数据的处理效果如何，”Bronstein解释道，“我们的研究结果令人惊讶且令人满意，即经过蛋白质间自然相互作用训练的神经网络可以很好地推广到从未见过的蛋白质-配体新表面。看来，我们的方法提取的分子表面几何描述符是蛋白质相互作用的一种『通用语言』。”

MaSIF的参数数量相对较少，仅有约70,000个，这与大型深度学习系统（如ChatGPT）的数十亿个参数形成鲜明对比。这得益于MaSIF只使用关键的表面特征，从而实现了高度的抽象。

结论：

这项研究标志着几何深度学习在蛋白质设计领域的重大突破。MaSIF-neosurf的成功应用，不仅为精准药物开发提供了新的工具，也为我们理解蛋白质相互作用的本质提供了新的视角。未来，随着人工智能技术的不断发展，我们有望设计出更加精准、高效的药物，为人类健康做出更大的贡献。

参考文献：

Schneuing, A., et al. (2025). Targeting protein–ligand neosurfaces with a generalizable deep learning tool. Nature, 637(7839), 123-129.
机器之心报道：「定制化」结合蛋白质，几何深度学习方法加速开发精准药物，登Nature

（注：以上为模拟新闻稿，部分日期和信息为虚构，请以实际发表的研究为准。）

写作说明：