导语： 近年来，人工智能（AI）在蛋白质结构和功能预测领域取得了显著进展。然而，利用AI根据所需功能反向设计蛋白质序列，仍然面临巨大的挑战。近日，悉尼科技大学、浙江大学杨易团队以及华盛顿大学David Baker团队合作，提出了一种名为ResiDPO（Residue-level Designability Preference Optimization）的创新算法，该算法通过优化蛋白质序列的可设计性，显著提高了蛋白质序列设计的成功率，最高可达三倍。这项研究为AI驱动的蛋白质工程开辟了新的道路，有望加速药物研发、生物材料开发等领域的创新。
背景：蛋白质设计面临的挑战
蛋白质是生命体中执行各种功能的关键分子，从催化反应到信号传递，无所不能。因此，设计具有特定功能的蛋白质，具有重要的科学和应用价值。传统的蛋白质设计方法主要依赖于人工经验和高通量筛选，效率低下且成本高昂。
近年来，随着AI技术的快速发展，基于深度学习的蛋白质设计方法逐渐兴起。这些方法通常基于大量的蛋白质序列和结构数据进行训练，学习蛋白质的结构-功能关系，从而实现蛋白质的自动设计。然而，现有的AI蛋白质设计方法仍然存在一些局限性：
-
可设计性问题： 许多AI算法在设计蛋白质序列时，往往只关注序列与目标功能的匹配程度，而忽略了序列的可设计性。这意味着，即使算法设计出的序列在理论上具有所需的功能，但在实际的生物环境中，该序列可能无法正确折叠成预期的三维结构，从而导致功能丧失。
-
目标错位问题： 在蛋白质结构预测中，由于算法的局限性，预测的结构可能与真实结构存在偏差，导致目标错位。这会影响后续的序列设计，降低设计的成功率。
ResiDPO算法：解决可设计性难题
为了解决上述问题，David Baker团队等研究人员提出了ResiDPO算法，该算法的核心思想是通过优化蛋白质序列的可设计性，提高其在真实世界中折叠成预期结构的概率。
ResiDPO算法的关键在于引入了残基级结构反馈（pLDDT），pLDDT是一种衡量蛋白质结构预测置信度的指标。通过最大化序列中每个残基的pLDDT值，ResiDPO算法可以引导序列向更易于折叠和稳定的方向进化。
具体来说，ResiDPO算法通过以下步骤实现：
-
构建大规模数据集： 研究人员首先构建了一个带pLDDT标签的大规模蛋白质数据集。该数据集包含了大量的蛋白质序列和结构信息，以及每个残基的pLDDT值。
-
定义可设计性偏好： 基于该数据集，研究人员定义了残基级的可设计性偏好。这意味着，对于每个残基位置，算法会学习哪些氨基酸更倾向于具有较高的pLDDT值，从而更易于折叠和稳定。
-
优化序列生成： 在序列生成过程中，ResiDPO算法会根据可设计性偏好，对生成的序列进行优化。具体来说，算法会选择那些更倾向于具有较高pLDDT值的氨基酸，从而提高序列的可设计性。
-
解决目标错位问题： ResiDPO算法通过残基级结构反馈，可以有效地解决蛋白质结构预测中的目标错位问题。通过优化每个残基的pLDDT值，算法可以引导序列向更接近真实结构的方向进化，从而提高设计的准确性。
EnhancedMPNN模型：显著提升设计效率
为了验证ResiDPO算法的有效性，研究人员将其应用于LigandMPNN模型，并对其进行微调，最终得到了EnhancedMPNN模型。LigandMPNN是一种基于消息传递神经网络的蛋白质设计模型，具有强大的序列生成能力。
实验结果表明，EnhancedMPNN模型在蛋白质序列设计方面取得了显著的进展：
-
成功率显著提升： 与传统的蛋白质设计方法相比，EnhancedMPNN模型可以将蛋白质序列设计的成功率提高三倍。这意味着，使用该模型可以更快地设计出具有特定功能的蛋白质。
-
酶设计效率提高： 在酶设计方面，EnhancedMPNN模型也表现出色。研究人员使用该模型设计了一系列具有特定催化活性的酶，并成功地在实验中验证了其功能。
意义与展望：AI驱动蛋白质工程的未来
ResiDPO算法的提出，为AI驱动的蛋白质工程开辟了新的道路。该算法通过优化蛋白质序列的可设计性，显著提高了蛋白质序列设计的成功率，有望加速药物研发、生物材料开发等领域的创新。
具体来说，ResiDPO算法的意义体现在以下几个方面：
-
降低研发成本： 传统的蛋白质设计方法需要耗费大量的人力和物力，而ResiDPO算法可以实现蛋白质的自动设计，从而降低研发成本。
-
缩短研发周期： ResiDPO算法可以显著提高蛋白质序列设计的成功率，从而缩短研发周期。
-
拓展应用领域： ResiDPO算法可以应用于各种蛋白质设计任务，包括酶设计、抗体设计、疫苗设计等，从而拓展应用领域。
展望未来，随着AI技术的不断发展，AI驱动的蛋白质工程将迎来更加广阔的发展前景。我们可以期待，未来的AI蛋白质设计方法将更加智能化、自动化和高效化，为人类社会带来更多的福祉。
专业解读：深入剖析ResiDPO算法的技术细节
为了更深入地理解ResiDPO算法的原理和优势，以下将从技术层面进行更详细的解读：
1. pLDDT：结构预测置信度的关键指标
pLDDT（predicted Local Distance Difference Test）是一种衡量蛋白质结构预测置信度的指标，由AlphaFold团队提出。pLDDT值介于0到100之间，数值越高表示预测的结构越可靠。pLDDT值可以反映蛋白质局部区域的结构准确性，对于评估蛋白质结构模型的质量至关重要。
ResiDPO算法利用pLDDT值作为残基级结构反馈，引导序列向更易于折叠和稳定的方向进化。通过最大化序列中每个残基的pLDDT值，算法可以提高设计的蛋白质结构的可靠性。
2. 可设计性偏好：指导序列生成的关键策略
ResiDPO算法通过学习大规模蛋白质数据集，定义了残基级的可设计性偏好。这意味着，对于每个残基位置，算法会学习哪些氨基酸更倾向于具有较高的pLDDT值。这些可设计性偏好可以指导序列生成，选择那些更易于折叠和稳定的氨基酸。
可设计性偏好的学习过程可以看作是一种知识迁移，将已知的蛋白质结构信息迁移到新的蛋白质设计任务中。通过利用这些知识，ResiDPO算法可以显著提高蛋白质序列设计的成功率。
3. 与LigandMPNN模型的结合：优势互补，性能提升
ResiDPO算法与LigandMPNN模型的结合，实现了优势互补，进一步提升了蛋白质序列设计的性能。LigandMPNN模型具有强大的序列生成能力，可以生成各种不同的蛋白质序列。而ResiDPO算法可以优化这些序列的可设计性，提高其在真实世界中折叠成预期结构的概率。
通过将ResiDPO算法应用于LigandMPNN模型，研究人员成功地设计了一系列具有特定功能的蛋白质，并验证了其在实验中的有效性。
4. 未来发展方向：进一步提升算法的智能化和自动化水平
虽然ResiDPO算法在蛋白质序列设计方面取得了显著的进展，但仍然存在一些可以改进的地方。例如，可以进一步提升算法的智能化和自动化水平，减少人工干预。此外，还可以探索更有效的可设计性指标，进一步提高设计的成功率。
总结：AI蛋白质设计迎来新的里程碑
ResiDPO算法的提出，标志着AI蛋白质设计领域迎来了一个新的里程碑。该算法通过优化蛋白质序列的可设计性，显著提高了蛋白质序列设计的成功率，为药物研发、生物材料开发等领域带来了新的希望。
随着AI技术的不断发展，我们可以期待，未来的AI蛋白质设计方法将更加智能化、自动化和高效化，为人类社会带来更多的福祉。ResiDPO算法的成功，也为我们提供了一个重要的启示：在AI蛋白质设计中，不仅要关注序列与目标功能的匹配程度，更要关注序列的可设计性，才能真正实现蛋白质的精准设计。
参考文献：
- （此处应列出相关的学术论文和研究报告，由于信息有限，此处省略，请根据实际情况补充）
致谢：
感谢悉尼科技大学、浙江大学杨易团队以及华盛顿大学David Baker团队为这项研究做出的贡献。
Views: 0