(資料圖)

美國麻省理工學院研究人員在新一期《應用物理學雜志》發(fā)表的論文中，將注意力神經(jīng)網(wǎng)絡與圖神經(jīng)網(wǎng)絡相結(jié)合，以更好地理解和設(shè)計蛋白質(zhì)。該方法將幾何深度學習與語言模型的兩種優(yōu)勢結(jié)合起來，不僅可預測現(xiàn)有蛋白質(zhì)特性，還可設(shè)想自然界尚未設(shè)計出的新蛋白質(zhì)。

蛋白質(zhì)通過構(gòu)建塊的獨特排列來執(zhí)行大量生物任務。將這個幾乎無限的排列庫轉(zhuǎn)化為各自的功能，就可讓研究人員設(shè)計用于特定用途的定制蛋白質(zhì)。

但蛋白質(zhì)一直難以建模，尤其是人們想要“反向操作”——將所需的功能轉(zhuǎn)化為蛋白質(zhì)結(jié)構(gòu)，更是一個高難度挑戰(zhàn)。

此次新模型就可通過對基本原理建模，將大自然發(fā)明的一切作為基礎(chǔ)，重新組合了這些自然構(gòu)建塊，能實現(xiàn)新功能并解決多類型任務。

新建模型將數(shù)字、描述、任務和其他元素轉(zhuǎn)化為符號供神經(jīng)網(wǎng)絡使用。團隊首先訓練模型，根據(jù)不同蛋白質(zhì)的功能來預測它們的序列、溶解度和氨基酸組成部分。然后，在收到新蛋白質(zhì)功能的初始參數(shù)后，教它發(fā)揮創(chuàng)造力并生成全新的結(jié)構(gòu)。

這種方法能創(chuàng)造出以前必須溶解在水中的固體抗菌蛋白。在另一個例子中，團隊采用了一種天然存在的絲蛋白，并將其進化成各種新形式，包括賦予其螺旋形狀或褶皺結(jié)構(gòu)，讓其具有彈力和韌性。

研究人員表示，該技術(shù)的廣泛性意味著這一模型能應用于蛋白質(zhì)設(shè)計之外的許多領(lǐng)域，如設(shè)計具有特定失效模式的材料。

關(guān)鍵詞：