预测出地球上几乎所有蛋白质结构，AI工具真能加速新药开发吗？( 三 ) _健康小知识

除了AlphaFold的研究进展以外，其他相关AI工具的重磅进展也不断涌现。近期，利用类似AlphaFold这样的人工智能工具，华盛顿大学DavidBaker教授团队在《科学》杂志上连发
两篇论文
，呈现了AI在从头设计功能性蛋白质分子方面的最新突破——其开发的一种全新的深度学习工具ProteinMPNN通过借鉴图像识别神经网络，能够明确与特定结构相对应的氨基酸序列，这种AI工具生成的蛋白质更可能按设计者的预期计划折叠。相比于传统手段，机器学习可以更加精准、快速地设计蛋白质分子，将设计蛋白质的时间长度从“月”缩短至“秒” 。
这意味着，完成药物开发拼图的另一半——潜在药物分子设计的速度也将被大幅提升！至此，针对蛋白质设计的药物开发的早期步骤实现了初步的闭环。有了这些技术，有望在全新疫苗、药物与治疗手段开发等领域带来新的革命。
事实上目前，也已经已有一些科研团队获得了初步的成果——DavidBaker教授团队在《细胞》杂志上发表
论文
，利用AI技术平台精准地从头设计出能够穿过细胞膜的大环多肽分子，开辟了设计全新口服药物的新途径。
人工智能工具在极短的时间内解决了新药发现领域中一个又一个长期存在的问题，这只是研究人员明智地将机器学习应用于正确方向的几个例子。毋庸置疑的是，未来像AlphaFold这样的机器学习方法将会被越来越广泛地大规模启用， AI的巨大潜力正在被实现。相信这场AI主导的药物发现革命不论最终会走向何方，都会是更好的方向。
参考资料：
[1]Alphabet’sAIpredictedthestructureof200millionproteins.Canitreallyspeedupdrugdiscovery?RetrievedOctober13,2022,fromhttps://www.statnews.com/2022/10/13/can-alphabet-alphafold-really-speed-up-drug-discovery/
[2]WhyAlphaFoldwon’trevolutionisedrugdiscovery.RetrievedAugust5 ， fromhttps://www.chemistryworld.com/opinion/why-alphafold-wont-revolutionise-drug-discovery/4016051.article
[3]JamesP.Roney,SergeyOvchinnikov.State-of-the-artestimationofproteinmodelaccuracyusingAlphaFold.bioRxiv2022.03.11.484043.Doi:https://doi.org/10.1101/2022.03.11.484043
[4]RichardEvans,etal.ProteincomplexpredictionwithAlphaFold-Multimer.bioRxiv2021.10.04.463034.Doi:https://doi.org/10.1101/2021.10.04.463034
[7]ScardinoV,DiFilippoJI,CavasottoC.HowgoodareAlphaFoldmodelsfordocking-basedvirtualscreening?ChemRxiv.Cambridge:CambridgeOpenEngage;2022;Thiscontentisapreprintandhasnotbeenpeer-reviewed.
【预测出地球上几乎所有蛋白质结构，AI工具真能加速新药开发吗？】[8]B.I.M.Wicky,L.F.Milles,A.Courbet,R.J.Ragotte,J.Dauparas,E.Kinfu,S.Tipps,R.D.Kibler,M.Baek,F.DiMaio,X.Li,L.Carter,A.Kang,H.Nguyen,A.K.Bera,D.Baker,Hallucinatingsymmetricproteinassemblies,Science,378,6615,(56-61),(2022).Doi:10.1126/science.add1964