機器學習加速藥物研發進程 蛋白質分子3D結構可快速生成

 　　加拿大多倫多大學的科研人員最新研制出了一套新的機器學習算法，能生成微小蛋白質分子的3D結構。研究人員指出，新算法有望徹底變革藥物的研發進程以及我們對生命的理解。

 

　　機器學習加速藥物研發 重建蛋白質分子3D結構

 

　　研發人員之一、多倫多大學的博士生阿里·普勒賈尼解釋稱，確定蛋白質分子的3D原子結構對于理解它們的工作原理及其對藥物治療產生何種反應至關重要。

 

　　藥物會附著到特定蛋白質分子上，改變其3D形狀及工作方式。理想的藥物一般被設計成某種特定形狀，使其僅附著到某個特定的蛋白質或與疾病相關的蛋白質上，而且在其附著到體內其他蛋白質上時不會出現副作用。

 

 

　　鑒于蛋白質比光波波長還小，如果不使用復雜技術，如冷凍電子顯微鏡（Cryo-EM）技術，無法直接看見它們。Cryo-EM技術使用高能顯微鏡，從不同方位將冷凍蛋白質的樣本拍攝出成千上萬張低清晰度圖像，但用這些低清晰度2D圖像拼接出正確的高清3D結構非常困難。

 

　　而新算法使用顯微圖像重建了蛋白質分子的3D結構，提供了一種更快速、有效地獲得正確蛋白質結構的方式。研究人員稱，現有技術需要花費數天甚至數周，借助多臺計算機才能生成一個3D結構，而新方法借助單臺計算機幾分鐘就能搞定，有望極大地推動新藥研發。

 

　　多倫多大學計算和數學科學學院院長戴維·弗利特解釋說：“新方法主要解決了獲得3D結構的速度和數量方面的問題。”

 

　　普勒賈尼表示：“我們希望這一方法能大大加快新藥研發進程，并讓我們能從原子層面加深對生命的理解。”