据物理学家组织网近日报道，瑞士洛桑联邦理工学院的研究团队开发出一种名为“全蛋白质生成潜在扩散”（LD-FPG）的新型AI框架，首次生成精确到每个原子的蛋白质完整动态模型，并能模拟其运动过程。该成果有望从根本上改变基于蛋白质动态行为的药物设计方式。
模拟蛋白质骨架（黄色）与人工智能生成的快照相结合。图片来源：物理学家组织网
许多药物和抗体的研发路径，都聚焦于结构复杂的细胞膜蛋白。当候选药物分子与这些蛋白结合时，会触发一连串化学反应，改变细胞行为。因此，理解蛋白质如何折叠、如何运动，是开发高效靶向药物的关键。
目前，AI已成为生成新型蛋白质结构的重要工具，但包括“阿尔法折叠”在内的大多数系统，主要生成蛋白质的静态“快照”。在实际情况下，蛋白质内部被称为“侧链”的结构中，原子会发生细微重排，这些变化会影响蛋白质与其他分子的相互作用，而现有模型通常难以捕捉这些动态细节。
为了解决这一问题，研究团队开发了LD-FPG框架。与传统方法不同，LD-FPG并不直接预测每个原子在空间中的精确坐标，而是先学习蛋白质形态变化的规律。该系统利用名为“图神经网络”的算法框架，将蛋白质结构压缩成简化的“潜在图谱”，再由AI学习这些图谱中的结构和运动特征，最终重建出包含全部原子及其动态变化的高分辨率模型。
研究团队利用该系统，生成了多巴胺D2受体在活跃和非活跃状态下的动态结构。该蛋白可识别神经递质多巴胺并调控关键细胞反应，是G蛋白偶联受体中的重要成员，也是全球药物研发领域最受关注的靶点之一。
新框架不再只关注蛋白质的静态形状，而是关注其运动过程，为设计针对蛋白质动态行为的新药打开了大门。在提升生物学理解的同时，这项技术还有望改进当前依赖大量试错的蛋白质虚拟筛选流程，从而加速药物发现。
