博客

技术分享

AlphaProteo-DeepMind 最新的蛋白质折叠模型

2025.02.14 33分钟阅读

介绍

2020 年，DeepMind 发布了他们的革命性技术 AlphaFold，这是一种基于人工智能的模型，用于基于氨基酸序列预测蛋白质的 3D 结构。这一突破以 80% 的置信度实现了前所未有的准确性，彻底改变了生命科学行业，并将研究推向了新的高度。

从那时起，许多研究学科将人工智能蛋白质折叠算法纳入了他们的工作流程，用于生成新的设计、验证结构预测和测试相互作用。随着 AlphaFold2 和 AlphaFold3 的成功发布，以及包含超过 2 亿个预测蛋白质结构的公共数据库的发布，DeepMind 和谷歌推出了 AlphaProteo —— 一种专门用于预测蛋白质结合的模型。

Alpha 蛋白-预测蛋白质与蛋白质的结合

AlphaFold 小组将 AlphaProteo 描述为一种生成蛋白质结合蛋白设计的新系统。与之前的产品不同，AlphaProteo 是专门为模拟和设计蛋白质相互作用而开发的，从一开始就强调结合。

与使用 AlphaFold 模型加上巧妙的技巧来预测结合（如连接两个感兴趣的蛋白质序列的长而灵活的甘氨酸接头）不同，AlphaProteo 构建模型来处理具有配体、多链或短肽的蛋白质复合物。

值得注意的是，它是专门为使蛋白质工程师能够指定目标蛋白质和折叠蛋白质表面特定部分上存在的特定表位或残基而设计的。这些运动对于理解蛋白质如何在体内发挥作用至关重要，例如催化反应、细胞间信号传导或与特定分子结合。开发一种旨在紧密靶向另一种蛋白质的蛋白质粘合剂是一个极其困难的问题，但对广泛的应用特别有用。

AlphaProteo 基于蛋白质数据库（PDB）中实验确定的蛋白质结构以及 AlphaFold 生成的超过 1 亿个预测结构进行训练。为了进行评估，他们只关注了 8 个目标。其中大多数因其在人类健康和疾病中的突出作用而特别令人感兴趣。该百分比表示在湿实验室中通过冷冻 EM 和 X 射线晶体学验证的成功结合靶的粘合剂数量。

名字	PDB ID	重要性	成功？
BHRF1	2WH6	Epstein-Barr 病毒的致癌蛋白；可以减慢或停止肿瘤生长。	✓
			V1 模型成功 88％
SARS-COV-2 突起蛋白（SC2RBD）	6M0J	参与细胞表面结合和侵袭。破坏突起蛋白结合可以阻断 COVID 感染。	✓
			V1 模型和改进过滤器的成功 29％
白介素-7 受体（IL-7RA）	3DI3	细胞表面受体在淋巴细胞上，某些白血病和 HIV 的治疗靶标。	✓
			V1 模型成功 24.5％
白介素 17A（IL-17A）	4HS	分泌的蛋白质会触发炎症并靶向治疗自身免疫性疾病。	✓
			V1 模型的成功 14.3％
肌球蛋白受体激酶A（TRKA）	1WWW	涉及自身免疫性疾病的神经生长因子和治疗慢性疼痛的靶点。	✓
			V2 模型成功 8.1％
编程死亡配体（PD-L1）	5O45	细胞表面受体参与调节免疫细胞增殖，靶向某些癌症的靶点。	✓
			26.5％的 V2 模型成功率
血管内皮生长因子A（VEGF-A）	1BJ1	分泌的生长因子，控制血管生成（血管形成），例如癌症细胞用来补充血液供应和治疗癌症的靶点。	✓
			V1 模型成功 33％
肿瘤坏死因子 Alpha（TNF-E）	1tnf	引发炎症的细胞因子和自身免疫性疾病的治疗靶点。AlphaProteo 未能为此目标生成粘合剂。	✗
			V1 和 V2 模型的成功为 0％

关键要点和影响

AlphaProteo 仍然是闭源的，尚未向社区发布以供测试和使用；第三方验证和同行评审对软件和硬件测试同样重要。然而，AlphaProteo 在改善药物和生物分子实践方面具有令人惊叹的未来用例。

未来的应用可以从仅从序列开始的功能中受益，为加速治疗候选物的生成提供快捷的蛋白质设计。越快缩小范围并找到可能性，就越不需要对各种候选药物进行测试，这对于应对不断发展的病原体和快速传播的流行病来说是理想的。最初的 AlphaFold 是揭示 SARS-CoV-2 或 COVID-19 之谜的关键人物。

我们还可以期待在精确蛋白质调控靶向方面取得进展。目前可用的许多蛋白质疗法都是通过纯粹的聚集结合靶标以降低其活性的粗略方法起作用的。虽然这些方法对商业制药公司及其成功的产品是有效的，但大自然向我们展示了调节蛋白质功能的更复杂和精确的方法。未来更复杂的治疗生物制剂，可能能够精确调节靶蛋白及其活性，而 AlphaProteo 可能就是这个开端。