麻省理工重磅发布：蛋白质语言模型ProtGPS问世！

波士顿 – 麻省理工学院（MIT）和怀特黑德生物医学研究所近日联合推出了一款名为ProtGPS的蛋白质语言模型，该模型利用深度学习技术，能够精准预测蛋白质在细胞内的亚细胞定位。这一突破性成果有望为疾病机制研究、蛋白质工程、药物设计以及细胞生物学研究等领域带来革命性的变革。

ProtGPS：蛋白质定位预测的革新

ProtGPS (Protein Localization Prediction Model) 是一种基于深度学习的蛋白质语言模型，它通过分析蛋白质的氨基酸序列，并利用进化尺度的Transformer架构，学习序列中的复杂模式和相互关系。与传统的蛋白质定位预测方法相比，ProtGPS能够更准确地预测蛋白质在细胞内的分布，包括核仁、核斑点等12种不同的亚细胞区域。

技术原理：Transformer架构与神经网络的巧妙结合

ProtGPS的核心技术在于其基于Transformer的序列学习能力。它采用了ESM2（Evolutionary Scale Model 2）架构，这是一种基于Transformer的蛋白质语言模型，能够同时学习输入序列中所有氨基酸之间的关系，从而捕捉蛋白质序列中的复杂模式和相互作用。

此外，研究人员还将ESM2与神经网络分类器进行联合训练。分类器的任务是根据ESM2提取的特征，预测蛋白质在不同亚细胞区域的定位概率。通过对包含5480个人类蛋白质序列的训练数据集进行学习，ProtGPS能够识别不同亚细胞区域的蛋白质序列特征。

为了设计具有特定亚细胞定位的蛋白质，研究人员还采用了马尔可夫链蒙特卡洛（MCMC）算法。该算法在生成蛋白质序列时，会考虑蛋白质的化学空间和内在无序性，确保生成的序列符合自然蛋白质的分布，并能够特异性地定位到目标亚细胞区域。

应用前景：疾病研究、药物设计与基因治疗

ProtGPS的应用前景十分广阔，主要体现在以下几个方面：

疾病机制研究： ProtGPS能够识别致病突变对蛋白质亚细胞定位的影响，帮助研究人员理解疾病的发病机制。通过比较野生型和突变型蛋白质的定位预测结果，研究人员可以识别那些导致蛋白质分布改变的突变，并量化突变对蛋白质定位预测不确定性的影响。
蛋白质工程与药物设计： ProtGPS可以用于设计具有特定亚细胞定位的蛋白质，从而开发新型蛋白质药物或生物传感器。例如，研究人员可以利用ProtGPS设计能够特异性组装到目标亚细胞区域的蛋白质，实现对特定细胞功能的调控。
细胞生物学研究： ProtGPS能够预测蛋白质在不同亚细胞区域的定位，助力细胞内蛋白质功能和相互作用的研究。通过了解蛋白质在细胞内的分布情况，研究人员可以更深入地理解细胞的运作机制。
基因治疗与基因编辑： ProtGPS可以用于设计特异性靶向亚细胞区域的基因编辑工具，提高基因编辑的效率和特异性。例如，研究人员可以利用ProtGPS设计能够精确靶向细胞核的基因编辑工具，实现对特定基因的精确编辑。
蛋白质功能注释与数据库构建： ProtGPS为蛋白质功能研究提供了重要的线索，有助于构建更全面的蛋白质功能数据库。通过预测蛋白质的亚细胞定位，研究人员可以推断其可能的功能，并将其添加到蛋白质功能数据库中。