sudo，给我一个酶。显然，现在可以告诉人工智能工具你希望它们制造什么样的蛋白质。设计蛋白质复杂的三维结构变得容易多了，得益于人工智能工具。图片来源：历史/贡献者。蛋白质设计工具可能变得越来越复杂，但是你仍然需要对蛋白质结构有深入的理解，以便让它们正常工作。这可能包括了解酶机制，直到特定氨基酸的位置，以及占据催化发生区域的水分子。一旦你指定这些工具，就可以围绕这个目标构建其余的蛋白质。然而，一组来自中国的研究人员决定将蛋白质设计带给大众，开发出一种可以接受自然语言提示并根据你指定的功能生成蛋白质的工具。如果你的成功标准是一个可以工作的蛋白质，那么成功率可能并不高。但是它们仍然能够完成任务。此外，在另一个公告中，Hugging Face 分享称它现在托管一个在 DNA 级别上执行类似功能的工具。类似于“氛围编码”的概念可能已进入蛋白质设计——至少如果你有机会进入实验室，将好的设计与数十个失败的设计区分开来。关注功能。目前，我们可用的一些最佳蛋白质设计工具通过两步过程进行工作。首先，你指定一组约束，例如需要结合另一个分子或需要特定的氨基酸排列。一个人工智能工具然后生成一个可以满足这些约束的蛋白质形状。一旦完成，另一个工具会遍历并用特定的氨基酸序列填充该形状，以确保蛋白质折叠成适当的配置以匹配形状。显然，做到这一点通常需要你了解相当多的技术信息。例如，如果你在设计催化剂，那么你不仅需要知道哪些氨基酸在化学反应中至关重要，还必须知道它们在三维空间中的位置。这，毫不奇怪，要求对蛋白质化学有相当深入的理解，并能够用蛋白质设计工具所需的任何形式表达这种理解。问题是，如果两个专家互相交谈，他们并不需要那么具体。例如，如果一个说“丝氨酸蛋白酶”，另一个就会知道这在反应机制的细节上隐含了很多信息。当与人工智能工具沟通时，我们需要具体，因为尽管我们当前一代的工具在处理氨基酸的三维排列方面很出色，但它们在这些三维排列所支持的功能方面却显得有些愚蠢。在名为 Pinal 的新工具背后的团队的工作中，这不一定是个问题。我们拥有大量标记有有关这些蛋白质执行的功能的蛋白质序列的数据库。研究人员推理，通过适当的培训，应该能够仅使用这些标签中的相同术语来获得一个输出与所需功能完全相符的序列。蛋白质加语言。在某些层面上，Pinal 实际上与标准工具的工作原理相似，遵循构建蛋白质主链的两步过程，然后通过单独的过程填充该主链的氨基酸细节。但有非常显著的差异——从启动过程所需的步骤开始。你不再需要指定几个氨基酸的具体细节，而是简单地告诉系统你想要什么。“第一阶段由 T2struct 处理，这是一个将自然语言提示翻译成结构蓝图的文本到结构模块，”该系统的开发人员这样描述它。T2struct 也不会输出三维形状；它只生成一个线性数组的标记，表示每个氨基酸与其最近邻之间的空间关系，并为每个标记分配一个概率。然后这些数据会传递给一个称为 SAProt-T 的系统，该系统通过结合原始文本和 T2struct 的输出来构建最终蛋白质设计中的氨基酸序列。在这里，早先生成的概率非常重要，因为 SAProt-T 会进行全局重新评估。根据作者的说法，这避免了“忽略一个可能性稍低但能够容纳远优越功能序列的结构”的风险。你如何开发一个可以做到这一切的系统？研究人员认为，最佳的方法就是使用大量的数据。对于描述蛋白质功能的每组标签，他们将标签输入到 LLM 中，并让其提供一个通俗的描述，并将标签和描述作为训练的一部分。