研究人員已經(jīng)開發(fā)了一個人工智能系統(tǒng)，可以從頭開始生成人工酶。在實驗室實驗中，其中一些酶表現(xiàn)出與天然酶相媲美的功效，即使其人工創(chuàng)造的氨基酸序列大大偏離了任何已知的天然蛋白質(zhì)。
該實驗表明，最初為閱讀和寫作語言文本而創(chuàng)建的自然語言處理人工智能可以掌握生物學(xué)的某些基本概念。這個被稱為ProGen的AI程序是由Salesforce Research開發(fā)的，它采用了下標(biāo)預(yù)測法，從氨基酸序列中構(gòu)建人工蛋白質(zhì)。
科學(xué)家們說，這項新技術(shù)可能會變得比定向進(jìn)化（諾貝爾獎得主的蛋白質(zhì)設(shè)計技術(shù)）更強(qiáng)大，它將通過加快開發(fā)新的蛋白質(zhì)來為有50年歷史的蛋白質(zhì)工程領(lǐng)域注入活力，這些蛋白質(zhì)幾乎可以用于從治療藥物到降解塑料的任何用途。
加州大學(xué)舊金山分校藥學(xué)院生物工程和治療科學(xué)教授詹姆斯-弗雷澤博士說："人工設(shè)計的性能比受進(jìn)化過程啟發(fā)的設(shè)計好得多，"他是這項工作的作者之一，該論文最近發(fā)表在《自然-生物技術(shù)》上。該論文的前一個版本自2021年7月以來一直在預(yù)印本服務(wù)器BiorXiv上提供，在那里獲得了幾十次引用，然后才發(fā)表在同行評議的期刊上。
"語言模型正在學(xué)習(xí)進(jìn)化的各個方面，但它與正常的進(jìn)化過程不同，"弗雷澤說。"我們現(xiàn)在有能力調(diào)整這些屬性的生成，以達(dá)到特定的效果。例如，一種熱穩(wěn)定性極強(qiáng)的酶或喜歡酸性環(huán)境或不會與其他蛋白質(zhì)相互作用的酶。"
為了創(chuàng)建這個模型，科學(xué)家們只是將2.8億種不同的蛋白質(zhì)的氨基酸序列輸入機(jī)器學(xué)習(xí)模型，并讓它消化了幾周的信息。然后，他們用五個溶菌酶家族的56000個序列以及關(guān)于這些蛋白質(zhì)的一些背景信息對該模型進(jìn)行了微調(diào)。
該模型迅速生成了一百萬個序列，研究小組根據(jù)它們與天然蛋白質(zhì)序列的相似程度，以及人工智能蛋白質(zhì)的基礎(chǔ)氨基酸"語法"和"語義"的自然程度，選擇了100個進(jìn)行測試。
在這第一批由Tierra Biosciences公司進(jìn)行體外篩選的100種蛋白質(zhì)中，研究小組制作了五種人工蛋白質(zhì)在細(xì)胞中進(jìn)行測試，并將其活性與雞蛋白中發(fā)現(xiàn)的一種酶進(jìn)行比較，這種酶被稱為雞蛋白溶菌酶（HEWL）。在人類的眼淚、唾液和牛奶中也有類似的溶菌酶，它們在那里抵御細(xì)菌和真菌。
其中兩種人工酶能夠分解細(xì)菌的細(xì)胞壁，其活性與HEWL相當(dāng)，但它們的序列彼此之間只有大約18%的相同。這兩個序列與任何已知的蛋白質(zhì)都有大約90%和70%的相同。
一個天然蛋白質(zhì)只要有一個突變就能使其停止工作，但在另一輪篩選中，研究小組發(fā)現(xiàn)人工智能生成的酶顯示出活性，即使其序列中只有31.4%與任何已知的天然蛋白質(zhì)相似。
人工智能甚至能夠?qū)W習(xí)酶的形狀，僅僅通過研究原始序列數(shù)據(jù)。通過X射線晶體學(xué)測量，人造蛋白質(zhì)的原子結(jié)構(gòu)看起來和它們應(yīng)該的一樣，盡管其序列是以前從未見過的。
Salesforce Research在2020年開發(fā)了ProGen，基于他們的研究人員最初開發(fā)的一種用于生成英語文本的自然語言編程。他們從以前的工作中知道，人工智能系統(tǒng)可以教自己語法和單詞的含義，以及其他使寫作有條理的基本規(guī)則。
"當(dāng)你用大量數(shù)據(jù)訓(xùn)練基于序列的模型時，它們在學(xué)習(xí)結(jié)構(gòu)和規(guī)則方面真的很強(qiáng)大，"Salesforce Research的人工智能研究主任、該論文的資深作者Nikhil Naik博士說。"它們可以學(xué)習(xí)哪些詞可以共同出現(xiàn)，也可以學(xué)習(xí)構(gòu)成性。"
對于蛋白質(zhì)，設(shè)計的選擇幾乎是無限的。就蛋白質(zhì)而言，溶酶很小，最多有大約300個氨基酸。但是有20個可能的氨基酸，就有大量的（20300）可能的組合。這比古往今來的所有人類，乘以地球上的沙粒數(shù)量，再乘以宇宙中的原子數(shù)量還要多。
考慮到無限的可能性，該模型能夠如此容易地產(chǎn)生工作的酶，這一點(diǎn)非常了不起。
Profluent Bio公司的創(chuàng)始人、前Salesforce Research公司的研究科學(xué)家、該論文的第一作者Ali Madani博士說："從零開始生成功能性蛋白質(zhì)的能力表明，我們正在進(jìn)入一個蛋白質(zhì)設(shè)計的新時代。"這是一個可供蛋白質(zhì)工程師使用的多功能新工具，我們期待著看到治療性應(yīng)用"。
完整的作者和資助名單請見該論文。論文中描述的方法的綜合代碼庫可在https://github.com/salesforce/progen上公開獲取。
