允许科学家预测它们的联合结构并创建新的蛋白质,设计用于特定结合定义分子
由于AlphaFold2和随后的其他深度学习网络的存在,准确地预测蛋白质的复杂三维结构不再是一个梦想。但是蛋白质不能单独工作。它们与其他蛋白质、DNA、RNA和各种类型的小分子和离子相互作用,这些相互作用对于它们的生物学功能至关重要。这些相互作用一直是建模的巨大挑战,但直到现在,再次感谢深度学习。
近期的预印版中,由蛋白质设计研究所的David Baker教授领导的新软件RoseTTAFold All-Atom(简称RFAA)是一个深度学习网络,可以模拟包含蛋白质、核酸、小分子和金属的完整生物组织,甚至可以理解氨基酸的共价修饰。RFAA在仅涉及蛋白质的任务中与AF2的准确性相当,并且在将小分子嵌入蛋白质中表现出色,甚至考虑到它们的灵活性。RFAA甚至可以预测蛋白质的共价修饰以及由多个核酸链和小分子和离子组成的蛋白质组装体。而且,研究中的一个相关扩散模型RFdiffusionAA还可通过围绕小分子和其他非蛋白质分子构建它们并在湿实验测试中实际结合。虽然RFAA在扩展AlphaFold 2和其他方法的基础上为生物学打开了一扇新大门,但RFdiffusionAA可以将整个蛋白质设计和工程领域提升到一个全新的水平。
想象一下,在不知道最终图片是什么的情况下解决一个复杂的三维拼图。这就是科学家在尝试预测生物大分子(如蛋白质)与核酸、小分子、离子等复合物的三维结构时面临的挑战。AlphaFold 2已经破解了其中很大一部分……