自發(fā)布以來(lái)，AlphaFold2在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面取得了相當(dāng)大的成功，引發(fā)了廣泛關(guān)注。然而，關(guān)于AlphaFold等蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)工具對(duì)于藥物發(fā)現(xiàn)的實(shí)際意義存在廣泛爭(zhēng)論。如何利用AlphaFold為藥物發(fā)現(xiàn)提供更多幫助，AlphaFold在哪些藥物發(fā)現(xiàn)問(wèn)題上表現(xiàn)得更好，在哪些方面還有待提高？

      蛋白質(zhì)結(jié)構(gòu)在水溶液中可以呈現(xiàn)多種構(gòu)象，并且在與其他分子相互作用時(shí)發(fā)生結(jié)構(gòu)變化。捕捉和理解這些動(dòng)態(tài)變化對(duì)于揭示蛋白質(zhì)的功能至關(guān)重要，然而技術(shù)水平的不足會(huì)從很大程度上限制蛋白質(zhì)結(jié)構(gòu)解析的準(zhǔn)確率。

      蛋白質(zhì)結(jié)構(gòu)測(cè)定是生物學(xué)和生物醫(yī)藥研究中的一個(gè)重要領(lǐng)域。雖然X射線晶體學(xué)、核磁共振（NMR）和冷凍電鏡（Cryo-EM）等技術(shù)對(duì)很多蛋白質(zhì)來(lái)說(shuō)，已經(jīng)能夠提供相對(duì)高分辨率的結(jié)構(gòu)圖像，但蛋白質(zhì)結(jié)構(gòu)在水溶液中不是靜態(tài)的，它們可以呈現(xiàn)多種構(gòu)象，并且在與其他分子相互作用時(shí)發(fā)生結(jié)構(gòu)變化。捕捉和理解這些動(dòng)態(tài)變化對(duì)于揭示蛋白質(zhì)的功能至關(guān)重要，然而技術(shù)水平的不足會(huì)在很大程度上限制結(jié)構(gòu)解析的準(zhǔn)確率。即使是剛性度比較大的蛋白質(zhì)，想要獲取其高精度的結(jié)構(gòu)圖像，現(xiàn)有的實(shí)驗(yàn)手段也存在較大誤差。某些蛋白質(zhì)，特別是那些難以形成穩(wěn)定晶體、尺寸過(guò)大或過(guò)小以及不能形成穩(wěn)定結(jié)構(gòu)的蛋白質(zhì)等，仍然難以獲取高質(zhì)量的結(jié)構(gòu)。

       人工智能和機(jī)器學(xué)習(xí)技術(shù)的引入，為提高蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的速度和準(zhǔn)確性提供了助力，開(kāi)啟了結(jié)構(gòu)生物學(xué)研究的新篇章。AlphaFold等AI方法在很多方面彌補(bǔ)了傳統(tǒng)實(shí)驗(yàn)方法在測(cè)定蛋白質(zhì)結(jié)構(gòu)中的不足，可以在短時(shí)間內(nèi)預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)，大大降低了時(shí)間和經(jīng)濟(jì)成本。對(duì)于一些難以通過(guò)傳統(tǒng)方法獲得結(jié)構(gòu)的蛋白質(zhì)，例如難以形成穩(wěn)定晶體的蛋白質(zhì)或某些大型膜蛋白，使用AI方法預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)能夠不依賴(lài)于蛋白質(zhì)的物理樣品，從而繞過(guò)傳統(tǒng)方法的一些限制。

       隨著技術(shù)的發(fā)展，尤其是深度學(xué)習(xí)在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中的應(yīng)用，AI方法在精度上取得了顯著的進(jìn)步。例如，AlphaFold2在2020年的Critical Assessment of Structure Prediction(CASP) 競(jìng)賽中展示了前所未有的高精度預(yù)測(cè)能力。AI方法可以作為傳統(tǒng)實(shí)驗(yàn)方法的輔助工具，通過(guò)預(yù)測(cè)結(jié)果指導(dǎo)實(shí)驗(yàn)設(shè)計(jì)。

       盡管AI方法在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方面取得了顯著成果，但也存在著局限性。比如，對(duì)于序列同源性較高的蛋白，側(cè)鏈建模精度依然存在較大誤差；對(duì)序列同源性低的蛋白，總體預(yù)測(cè)精度依然不高。

       需要特別強(qiáng)調(diào)的是，蛋白質(zhì)側(cè)鏈建模精度是蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究領(lǐng)域的核心，所有蛋白質(zhì)結(jié)構(gòu)建模問(wèn)題的精確度，如蛋白質(zhì)折疊、蛋白質(zhì)-蛋白質(zhì)相互作用、蛋白質(zhì)-配體相互作用、氨基酸突變、蛋白質(zhì)進(jìn)化等，都與側(cè)鏈建模的準(zhǔn)確性有關(guān)。此外，對(duì)于極端復(fù)雜的蛋白質(zhì)、動(dòng)態(tài)結(jié)構(gòu)或是蛋白質(zhì)復(fù)合體的預(yù)測(cè)等，AlphaFold2也存在局限性。

      值得注意的是，在面向生物制藥等實(shí)際應(yīng)用領(lǐng)域，AlphaFold2等預(yù)測(cè)手段和傳統(tǒng)實(shí)驗(yàn)方法往往是互補(bǔ)的，預(yù)測(cè)手段并不能取代實(shí)驗(yàn)結(jié)果。因?yàn)樗幬镌O(shè)計(jì)是一項(xiàng)十分精細(xì)的技術(shù)，很小的結(jié)構(gòu)誤差可能會(huì)導(dǎo)致巨大的偏差，預(yù)測(cè)手段和傳統(tǒng)實(shí)驗(yàn)方法結(jié)合才可以更全面地解決蛋白質(zhì)結(jié)構(gòu)測(cè)定的問(wèn)題。

     使用AlphaFold預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，可以幫助研究者理解未知或未被充分研究蛋白質(zhì)的功能，發(fā)現(xiàn)新的藥物作用靶點(diǎn)或驗(yàn)證現(xiàn)有的靶點(diǎn)。在使用時(shí)，研究者應(yīng)注意將預(yù)測(cè)模型與實(shí)驗(yàn)結(jié)果相結(jié)合，以驗(yàn)證和優(yōu)化預(yù)測(cè)結(jié)果。

      AlphaFold通過(guò)預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，可以幫助研究者理解未知或未被充分研究蛋白質(zhì)的功能，發(fā)現(xiàn)新的藥物作用靶點(diǎn)或驗(yàn)證現(xiàn)有的靶點(diǎn)。

       雖然AlphaFold已經(jīng)可以較為精確地預(yù)測(cè)高同源性靶點(diǎn)蛋白的三級(jí)結(jié)構(gòu)，但是無(wú)法考慮到靶點(diǎn)蛋白的周?chē)h(huán)境信息，如結(jié)合配體等，而這些信息對(duì)藥物設(shè)計(jì)極其重要。此外，靶點(diǎn)蛋白與藥物的結(jié)合是一個(gè)動(dòng)態(tài)過(guò)程，蛋白質(zhì)的結(jié)構(gòu)會(huì)隨著該過(guò)程的進(jìn)行而發(fā)生一定變化，而對(duì)該變化的模擬也是AlphaFold所欠缺的。

       在使用AlphaFold等AI工具預(yù)測(cè)的蛋白質(zhì)結(jié)構(gòu)進(jìn)行基于結(jié)構(gòu)的藥物設(shè)計(jì)時(shí)，研究者應(yīng)當(dāng)注意驗(yàn)證和參考實(shí)驗(yàn)數(shù)據(jù)。對(duì)于重要靶點(diǎn)，應(yīng)優(yōu)先考慮已有實(shí)驗(yàn)結(jié)構(gòu)或使用實(shí)驗(yàn)方法進(jìn)一步驗(yàn)證關(guān)鍵部分的結(jié)構(gòu)。蛋白質(zhì)不是靜態(tài)的，它們可以在多種穩(wěn)定或亞穩(wěn)定的構(gòu)象之間轉(zhuǎn)換，理解和考慮這種動(dòng)態(tài)性對(duì)于識(shí)別藥物分子的結(jié)合位點(diǎn)、改善藥物分子的親和力和選擇性等都至關(guān)重要。在缺乏實(shí)驗(yàn)驗(yàn)證的情況下，應(yīng)謹(jǐn)慎對(duì)待預(yù)測(cè)結(jié)構(gòu)的細(xì)節(jié)，避免過(guò)度解釋可能的誤差或不確定性。

       此外，在設(shè)計(jì)藥物時(shí)應(yīng)避免過(guò)度優(yōu)化對(duì)預(yù)測(cè)模型特定細(xì)節(jié)的配合，以免造成“過(guò)擬合”。可以結(jié)合使用多種預(yù)測(cè)工具和實(shí)驗(yàn)技術(shù)，例如將AlphaFold預(yù)測(cè)的結(jié)構(gòu)與實(shí)驗(yàn)數(shù)據(jù)、其他預(yù)測(cè)模型的結(jié)果等結(jié)合，以獲得更準(zhǔn)確的蛋白質(zhì)三維結(jié)構(gòu)。

       最終，所有基于預(yù)測(cè)結(jié)構(gòu)的設(shè)計(jì)都需要通過(guò)生物學(xué)實(shí)驗(yàn)進(jìn)行驗(yàn)證，包括靶標(biāo)的結(jié)合親和力測(cè)試、細(xì)胞活性測(cè)試、動(dòng)物模型研究等，以確保預(yù)測(cè)結(jié)構(gòu)的實(shí)用性和藥物分子的有效性。

       活性位點(diǎn)是藥物研發(fā)人員非常關(guān)注的區(qū)域，通常是蛋白質(zhì)上的特定小區(qū)域，負(fù)責(zé)與底物、抑制劑或其他蛋白質(zhì)相互作用。AlphaFold的預(yù)測(cè)可以精確地描繪出蛋白質(zhì)的整體構(gòu)型，包括可能的活性位點(diǎn)區(qū)域。如果整體結(jié)構(gòu)預(yù)測(cè)是準(zhǔn)確的，那么活性位點(diǎn)區(qū)域的結(jié)構(gòu)也有望被準(zhǔn)確預(yù)測(cè)。然而，對(duì)于某些蛋白質(zhì)，特別是那些靈活的或未充分特征化的蛋白質(zhì)，預(yù)測(cè)的準(zhǔn)確性可能會(huì)下降，并且確定一個(gè)區(qū)域是否為活性位點(diǎn)通常需要更多的功能性和生物化學(xué)數(shù)據(jù)。

       在實(shí)際應(yīng)用中，藥物研發(fā)人員可以結(jié)合使用AlphaFold和其他方法來(lái)識(shí)別和驗(yàn)證活性位點(diǎn)，比如突變分析、結(jié)合實(shí)驗(yàn)，以及分子對(duì)接、動(dòng)態(tài)模擬等其他計(jì)算方法。除了結(jié)構(gòu)預(yù)測(cè)之外，通常還需要對(duì)蛋白質(zhì)進(jìn)行功能注釋?zhuān)_定可能的活性位點(diǎn)、配體結(jié)合區(qū)和蛋白質(zhì)相互作用界面。

      在藥物發(fā)現(xiàn)中，使用AlphaFold模型預(yù)測(cè)藥物/配體結(jié)合模式的準(zhǔn)確性是研發(fā)人員非常關(guān)注的問(wèn)題。使用AlphaFold模型或類(lèi)似的AI結(jié)構(gòu)預(yù)測(cè)工具來(lái)預(yù)測(cè)藥物或配體的結(jié)合模式，其準(zhǔn)確性取決于多重因素，包括模型的預(yù)測(cè)能力、蛋白質(zhì)和配體的特性，以及結(jié)合模式的復(fù)雜性。蛋白質(zhì)在與藥物或配體結(jié)合時(shí)可能會(huì)發(fā)生顯著的構(gòu)象變化，這種“誘導(dǎo)配合”（inducedfit）現(xiàn)象意味著靜態(tài)的蛋白質(zhì)結(jié)構(gòu)可能無(wú)法完全揭示藥物結(jié)合時(shí)的真實(shí)狀態(tài)。有些藥物或配體可能會(huì)通過(guò)與蛋白質(zhì)結(jié)合改變其結(jié)構(gòu)，特別是在與多個(gè)亞單位或復(fù)雜結(jié)構(gòu)域相互作用時(shí)，AlphaFold通常不能直接預(yù)測(cè)這些效應(yīng)。在實(shí)際應(yīng)用中，AlphaFold提供的蛋白質(zhì)結(jié)構(gòu)通常與分子對(duì)接和分子動(dòng)力學(xué)等其他計(jì)算方法結(jié)合使用，以更準(zhǔn)確地預(yù)測(cè)和分析藥物/配體的結(jié)合模式，提高預(yù)測(cè)的準(zhǔn)確性和可靠性。

     需要注意的是，任何預(yù)測(cè)模型都需要通過(guò)與實(shí)驗(yàn)技術(shù)的結(jié)果相結(jié)合來(lái)驗(yàn)證和優(yōu)化預(yù)測(cè)結(jié)果。藥物發(fā)現(xiàn)是一個(gè)綜合性很強(qiáng)的領(lǐng)域，需要依靠跨學(xué)科的方法和多源數(shù)據(jù)的整合，以確保所發(fā)現(xiàn)的藥物候選分子的效力和安全性。

      AlphaFold對(duì)于捕捉動(dòng)態(tài)性和復(fù)雜的蛋白質(zhì)-蛋白質(zhì)或蛋白質(zhì)-小分子相互作用的能力有限；在預(yù)測(cè)這些修飾對(duì)蛋白質(zhì)結(jié)構(gòu)的影響方面有限；對(duì)于大型蛋白質(zhì)復(fù)合物或非常復(fù)雜的蛋白質(zhì)網(wǎng)絡(luò)，其預(yù)測(cè)能力可能會(huì)降低。系統(tǒng)生物學(xué)、代謝途徑、基因表達(dá)調(diào)控等方面的因素也對(duì)藥物發(fā)現(xiàn)至關(guān)重要，而這些是AlphaFold目前無(wú)法直接解決的問(wèn)題。

       AlphaFold能通過(guò)快速準(zhǔn)確地確定蛋白質(zhì)結(jié)構(gòu)，更快地識(shí)別新的藥物靶點(diǎn)，來(lái)加速藥物的設(shè)計(jì)過(guò)程。對(duì)已知蛋白質(zhì)結(jié)構(gòu)的深入理解，可以幫助科學(xué)家發(fā)現(xiàn)現(xiàn)有藥物的新用途。

       AlphaFold的局限性和待改進(jìn)之處主要是，對(duì)于捕捉這種動(dòng)態(tài)性和復(fù)雜的蛋白質(zhì)-蛋白質(zhì)或蛋白質(zhì)-小分子相互作用的能力有限；在預(yù)測(cè)這些修飾對(duì)蛋白質(zhì)結(jié)構(gòu)的影響方面有限；對(duì)于大型蛋白質(zhì)復(fù)合物或非常復(fù)雜的蛋白質(zhì)網(wǎng)絡(luò)，其預(yù)測(cè)能力可能會(huì)降低。系統(tǒng)生物學(xué)、代謝途徑、基因表達(dá)調(diào)控等方面的因素也對(duì)藥物發(fā)現(xiàn)至關(guān)重要，而這些是AlphaFold目前無(wú)法直接解決的問(wèn)題。

       長(zhǎng)遠(yuǎn)來(lái)說(shuō)，以人工智能為基礎(chǔ)的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，對(duì)于藥物發(fā)現(xiàn)的意義是深遠(yuǎn)的，AlphaFold只是人們邁出的重要一步。

      傳統(tǒng)的藥物發(fā)現(xiàn)過(guò)程通常耗時(shí)且成本高昂。人工智能的應(yīng)用有可能顯著縮短藥物從發(fā)現(xiàn)到上市的時(shí)間，并降低相關(guān)的研發(fā)成本，尤其對(duì)于某些長(zhǎng)期以來(lái)難以解析結(jié)構(gòu)的蛋白質(zhì)，如某些膜蛋白，人工智能方法提供了新的解決途徑。這些蛋白質(zhì)往往是重要的藥物靶點(diǎn)，AI的應(yīng)用可以促進(jìn)這些領(lǐng)域藥物研究的進(jìn)展。除此之外，AI的應(yīng)用還激勵(lì)了計(jì)算生物學(xué)、結(jié)構(gòu)生物學(xué)、藥物化學(xué)等多個(gè)學(xué)科之間的合作，推動(dòng)了這些領(lǐng)域的綜合發(fā)展。

信息來(lái)源：中國(guó)醫(yī)藥報(bào)

聲明：本文系轉(zhuǎn)載內(nèi)容，版權(quán)歸原作者所有，涉及作品問(wèn)題，我們將在第一時(shí)間刪除！