研究人员开发出深度学习模型 其预测肽结构的能力超越谷歌人工智能系统

多伦多大学的研究人员开发了一种名为 PepFlow 的深度学习模型，可以预测肽的所有可能形状——比蛋白质短但具有相似生物学功能的氨基酸链。

PepFlow 结合了机器学习和物理学，根据肽的能量状况模拟肽可能呈现的折叠模式范围。与蛋白质不同，肽是非常动态的分子，可以呈现一系列构象。

“到目前为止，我们还无法对肽的全系列构象进行建模，”这项研究的第一作者、多伦多大学唐纳利细胞和生物分子研究中心分子遗传学博士毕业生奥萨马·阿布丁 (Osama Abdin) 说道。“PepFlow 利用深度学习在几分钟内捕捉到肽的精确构象。该模型有可能通过设计充当粘合剂的肽来指导药物开发。”

该研究今天发表在《自然机器智能》杂志上。

肽在人体中的作用与其折叠方式直接相关，因为其三维结构决定了它与其他分子的结合和相互作用方式。众所周知，肽具有高度灵活性，具有多种折叠模式，因此参与了许多研究人员在治疗学开发中感兴趣的生物过程。

“肽是 PepFlow 模型的重点，因为它们是非常重要的生物分子，而且它们自然非常活跃，所以我们需要模拟它们的不同构象来了解它们的功能，”这项研究的首席研究员、唐纳利中心的教授 Philip M. Kim 说。“它们作为治疗剂也很重要，从用于治疗糖尿病和肥胖症的 GLP1 类似物(如 Ozempic)可以看出。”

金姆同时也是多伦多大学文理学院的计算机科学教授，他表示，与较大的蛋白质相比，肽的生产成本也更低。