正如可以使用人工智能创建令人信服的猫图像一样，现在可以使用类似的工具制造新的蛋白质。在《自然》杂志的一份报告中，研究人员描述了一种神经网络的发展，该网络可以使蛋白质具有新的、稳定的结构。

蛋白质是存在于每个细胞中的线状分子，会自发地折叠成复杂的三维形状。这些折叠形状几乎是所有生物过程的关键，包括细胞发育、DNA 修复和新陈代谢。但是蛋白质形状的复杂性使它们难以研究。生物化学家经常使用计算机来预测蛋白质串或序列如何折叠。近年来，深度学习彻底改变了这项工作的准确性。

“对于这个项目，我们组成了完全随机的蛋白质序列，并在其中引入了突变，直到我们的神经网络预测它们会折叠成稳定的结构，”共同主要作者 Ivan Anishchenko 说，他是大学生物化学的代理讲师。华盛顿医学院和华盛顿大学蛋白质设计医学研究所大卫贝克实验室的研究员。

“我们从未将软件引导至特定结果，”Anishchenko 说，“这些新蛋白质正是计算机所梦想的。”

未来，该团队认为应该有可能控制人工智能，使其产生具有有用特征的新蛋白质。

“我们希望使用深度学习来设计具有功能的蛋白质，包括基于蛋白质的药物、酶，等等，”共同主要作者、贝克实验室的博士后学者 Sam Pellock 说。

该研究团队包括来自 UW Medicine、哈佛大学和伦斯勒理工学院 (RPI) 的科学家，他们生成了 2000 个预计会折叠的新蛋白质序列。其中超过 100 个是在实验室中生产和研究的。对三种此类蛋白质的详细分析证实，计算机预测的形状确实在实验室中实现了。

“我们的 NMR [核磁共振] 研究，以及华盛顿大学团队确定的 X 射线晶体结构，证明了幻觉方法创造的蛋白质设计的非凡准确性”，共同作者、高级研究科学家特蕾莎·拉梅洛特说在纽约特洛伊的 RPI。

RPI 化学和化学生物学的合著者兼教授 Gaetano Montelione 指出。“幻觉方法建立在我们与 Baker 实验室共同进行的观察之上，结果表明，即使对于没有天然亲属的单一蛋白质序列，使用深度学习进行的蛋白质结构预测也可以非常准确。幻觉结合特定生物分子或形式的全新蛋白质的潜力所需的酶活性位点非常令人兴奋”。

“这种方法极大地简化了蛋白质设计，”资深作者、华盛顿大学医学院生物化学教授大卫贝克说，他获得了 2021 年生命科学突破奖。“以前，为了创造一种具有特定形状的新蛋白质，人们首先仔细研究自然界中的相关结构，提出一套规则，然后应用到设计过程中。每一种新的折叠类型都需要一套新的规则. 在这里，通过使用已经捕获蛋白质结构一般原理的深度学习网络，我们消除了对特定折叠规则的需求，并开辟了直接关注蛋白质功能部分的可能性。”

“探索如何最好地将这种策略用于特定应用现在是一个活跃的研究领域，这也是我期待下一个突破的地方，”贝克说。