這是第一個嘗試解析蛋白質動態(tài)構象的人工智能方法，可輔助藥物化學專家更加精準地篩選出高活性小分子，從而加速臨床前藥物研發(fā)。相關研究成果發(fā)表在《尖端科學》期刊。

李子青介紹，此前谷歌旗下公司研發(fā)的“阿爾法折疊2”能夠利用人工智能準確預測蛋白質的三維結構，對結構生物學、藥物設計乃至整個科學界都產生了巨大影響。但“阿爾法折疊2”只能預測蛋白質在一個瞬間的靜態(tài)結構，尚未解決蛋白質結構動態(tài)變化的預測。

李子青團隊此次開發(fā)的AI模型，給定藥物分子和靶點蛋白，可預測藥物分子與生物體內靶點蛋白質結合（柔性對接）后蛋白質結構的變化過程，推斷藥物與靶標蛋白結合的穩(wěn)定性，預測藥物功能，從而提升AI藥物設計的精度和效率。

研究團隊首先從57651個人類蛋白結構中選取具有代表性的數十個蛋白質結構對其進行分子動力學模擬，獲取蛋白質的空間運動軌跡，建立蛋白質動態(tài)構象的模型。在預訓練環(huán)節(jié)，研究團隊要求模型能夠基于上一時刻的蛋白構象預測下一時刻的蛋白構象；同時訓練模型對不同時刻蛋白質順序的排序能力，使其能對時序被隨機打亂的蛋白質構象進行排序。實驗表明，該AI模型在藥物—蛋白親和力預測任務上，輕量級版本表現已超過現有的最優(yōu)模型。

“預測蛋白質結構的動態(tài)變化，對理解生命過程、研發(fā)新型藥物都有著重要意義。”李子青說，尤其在AI藥物設計中，通過對藥物分子與靶點蛋白結合后的動態(tài)結構變化進行預測，評估藥物—靶點結合親和力和藥物效果，是提高AI藥物篩選準確性和效能的重要思路。