人工智能算法解決結構生物學挑戰

中國戰略新興產業

《中國戰略新興產業》雜志社官方帳號

一種新的人工智能算法可以從諸多錯誤形狀中識別出RNA分子的3D形狀。圖片來源：斯坦福大學/Camille L.L. Townshend

確定生物分子的三維形狀是現代生物學和醫學研究中最困難的問題之一。研究人員經常要花費數百萬美元來確定分子結構——即使如此成本高昂的努力也經常失敗。

近日，美國斯坦福大學博士Stephan Eismann和Raphael Townshend在計算機科學副教授Ron Dror的指導下，使用新機器學習技術，開發了一種方法，通過計算預測精確分子結構，從而幫助克服這個問題。

最值得注意的是，即使只從少數已知結構中進行學習該人工智能新方法仍然成功，這使得它適用於那些結構最難以通過實驗確定的分子類型。

相關論文8月27日刊登於《科學》。連同之前發表在《蛋白質》上的論文，研究人員詳細介紹了該技術在RNA分子和多蛋白複合物領域的應用。

“結構生物學是研究分子形狀的學科，它有一個信條，即結構決定功能。”Townshend說，該算法可以預測精確的分子結構，從而科學家可以解釋不同分子是如何工作的，應用範圍從基礎生物學研究到藥物設計實踐。

“蛋白質是執行各種功能的分子機器。為了執行它們的功能，蛋白質經常與其他蛋白質結合。”Eismann說。“如果你知道一種疾病涉及一對蛋白質，你知道它們在3D中如何相互作用，你可以嘗試用藥物非常具體地針對這種相互作用。”

研究人員表示，機器學習領域最近取得的大多數顯著進展都需要大量數據進行訓練。這種新方法在很少訓練數據的情況下能取得成功，這表明，相關方法可以解決許多數據匱乏的領域中未解決的問題。

“一旦你掌握了這種基本技術，你就可以提高對下一步的理解水平，並開始提出下一組問題。”Townshend說。