《自然》杂志的一项新研究报告了人工智能驱动的生物技术进步，对药物开发、疾病检测和环境监测产生了影响。华盛顿大学医学院蛋白质设计研究所的科学家们使用软件创建了蛋白质分子，这些蛋白质分子以极高的亲和力和特异性与各种具有挑战性的生物标志物(包括人类激素)结合。

值得注意的是，科学家们在计算机生成的生物分子与其目标之间实现了有史以来最高的相互作用强度。

资深作者、威斯康星大学医学生物化学教授、霍华德休斯医学研究所研究员、2023年生物学和生物医学前沿知识奖获得者DavidBaker强调了潜在影响：“产生具有如此高结合亲和力的新型蛋白质的能力和从新的疾病治疗到先进的诊断，特异性开辟了一个充满可能性的世界。”

该团队由贝克实验室成员SusanaVazquez-Torres、PreethamVenkatesh和PhilLeung领导，着手创建能够与胰高血糖素、神经肽Y、甲状旁腺激素和其他螺旋肽靶标结合的蛋白质。

这些在生物系统中至关重要的分子尤其难以被药物和诊断工具识别，因为它们通常缺乏稳定的分子结构。抗体可用于检测其中一些医学相关目标，但通常生产成本昂贵且保质期有限。

“如今许多疾病很难治疗，因为检测体内的某些分子非常具有挑战性。作为诊断工具，设计的蛋白质可能会提供比抗体更具成本效益的替代方案，”Venkatesh解释道。

该研究引入了一种使用先进深度学习方法的新型蛋白质设计方法。研究人员提出了一种使用RFdiffusion(一种用于创建新蛋白质形状的生成模型)与序列设计工具ProteinMPNN结合的新方法。

这些程序由贝克实验室开发，使科学家能够比以往更有效地创造功能性蛋白质。通过以新的方式组合这些工具，该团队利用有限的目标信息(例如单独的肽的氨基酸序列)生成了结合蛋白。这种“量身定制”方法的广泛影响预示着生物技术的新时代，人工智能生成的蛋白质可以检测与人类健康和环境相关的复杂分子。

“我们正在见证蛋白质设计的一个激动人心的时代，先进的人工智能工具，比如我们研究中的工具，正在加速蛋白质活性的改善。这一突破将重新定义生物技术的格局。”巴斯克斯-托雷斯指出。

该团队与哥本哈根大学的约瑟夫·罗杰斯实验室和华盛顿大学医学院的安德鲁·霍夫纳格尔实验室合作，进行了实验室测试以验证他们的生物设计方法。质谱法用于检测与人血清中低浓度肽结合的设计蛋白质，从而证明了灵敏且准确的疾病诊断的潜力。

此外，研究发现，尽管高温等恶劣条件，这些蛋白质仍保留其靶标结合能力，这是实际应用的一个关键属性。为了进一步展示该方法的潜力，研究人员将高亲和力甲状旁腺激素结合剂集成到生物传感器系统中，并在含有目标激素的样品中实现了生物发光信号增加21倍。这种与诊断设备的集成凸显了人工智能生成的蛋白质的直接实际应用。

这项研究展示了生物技术和人工智能的融合，并在这两个领域开创了新的先例，以“生物活性螺旋肽高亲和力结合物的从头设计”为标题发表在《自然》杂志上。