(資料圖片僅供參考)

美國(guó)麻省理工學(xué)院和塔夫茨大學(xué)研究人員設(shè)計(jì)出一種基于大型語言模型(如ChatGPT)的人工智能算法，這種稱為ConPLex的新模型可將目標(biāo)蛋白與潛在的藥物分子相匹配，而無需執(zhí)行計(jì)算分子結(jié)構(gòu)的密集型步驟。相關(guān)論文發(fā)表在最新一期《美國(guó)國(guó)家科學(xué)院院刊》上。

圖片來源：物理學(xué)家組織網(wǎng)

使用這種方法，研究人員可在一天內(nèi)篩選超過1億種化合物，比任何現(xiàn)有模型都要多得多。這項(xiàng)成果解決了對(duì)當(dāng)前藥物篩選的需求，其可擴(kuò)展性還能夠評(píng)估脫靶效應(yīng)、藥物再利用以及確定突變對(duì)藥物結(jié)合的影響。

近年來，科學(xué)家在根據(jù)氨基酸序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)方面取得了巨大進(jìn)步。然而，要預(yù)測(cè)大型潛在藥物庫如何與致癌蛋白相互作用，依然具有挑戰(zhàn)性，因?yàn)橛?jì)算蛋白質(zhì)三維結(jié)構(gòu)需要大量時(shí)間和計(jì)算能力。

麻省理工學(xué)院團(tuán)隊(duì)以他們2019年首次開發(fā)的蛋白質(zhì)模型為基礎(chǔ)，此次將模型應(yīng)用于確定蛋白質(zhì)序列將與特定藥物分子的相互作用。他們用已知的蛋白質(zhì)—藥物相互作用對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使其能學(xué)習(xí)將蛋白質(zhì)特定特征與藥物結(jié)合能力聯(lián)系起來，而無需計(jì)算任何分子的三維結(jié)構(gòu)。

通過篩選包含約4700種候選藥物分子的庫，團(tuán)隊(duì)測(cè)試了他們的模型，并確定了這些藥物與51種蛋白激酶結(jié)合的能力。

從熱門結(jié)果中，研究人員選擇了19組“藥物—蛋白質(zhì)對(duì)”進(jìn)行實(shí)驗(yàn)測(cè)試，最終12對(duì)具有很強(qiáng)的結(jié)合親和力，而幾乎所有其他可能的藥物—蛋白質(zhì)對(duì)都沒有親和力。

研究人員表示，藥物研發(fā)成本之所以如此高昂，部分原因是它的失敗率很高。如果能事先預(yù)測(cè)這種結(jié)合不可能奏效，就能減少失敗率，從而大大降低新藥開發(fā)的成本。

關(guān)鍵詞：