世界关节炎日 | 防控关节炎，且行且珍“膝”
2023-12-06
前言
从2022年11月30日发布chatGPT 开始到文心一言发布，从微软推出的 Co-pilot到Adobe 推出的 Firefly，我们好像处在这波AI 技术浪潮的风口浪尖。以ChatGPT为代表的大语言模型已经形成人工智能的新范式，也助推了不同学术领域的发展。2021 年Alphafold2的发布并在Github 上代码开源成为当年生命科学领域里程碑式的事件。今年年初发表Nature Biotechnology 上的关于蛋白质语言模型 ProGen 的文章，以及11月发表在Nature 上的关于生成式人工智能(AI)模型Chroma可以设计自然界未发现蛋白的文章让我们深刻到感受AI 技术在合成生物学上的无限可能。随着人工智能(AI)技术与无细胞蛋白表达(CFPS)技术快速发展，两者在蛋白质预测与制造方面的应用结合愈加紧密而广泛。
一、AI和CFPS技术的发展
AI领域的研究越来越炙手可热，随着硬件设备的逐渐提升和算法的优化(包括机器学习、深度学习、自然语言处理和计算机视觉等方面)，已经成为人类某些生产和生活中不可或缺的一部分，其中，深度学习语言模型在各种生物技术应用中显示出了前景，包括蛋白质设计和工程。在人工智能革命之前，蛋白质设计方法仅限于基于自然界现有蛋白质生成设计，而这可能只对大自然中蛋白质景观的一小部分进行了采样。相比之下，人工智能方法通过从头开始设计蛋白质，扩展了所需功能和属性的范围，超越自然界已经实现的功能。
近年来，CFPS技术迅速发展，已成为一种平台技术。其无需完整的活细胞就可以在体外受控环境中模拟整个细胞的转录和翻译过程，并允许对单个成分和反应网络进行详细深入的研究。与传统体内蛋白表达系统相比，CFPS体系具有反应条件可控、合成速度快、蛋白产量高、无细胞毒害作用等诸多优点，已被成功应用于合成药物蛋白和膜蛋白等多种难以表达蛋白，在基础科学研究和应用科学研究中具有广阔的前景。
二、AI和CFPS的联合应用
无细胞蛋白表达和AI的结合将能够推动合成生物学、药物开发、蛋白质工程等诸多前沿领域的迅速发展，具有广阔的应用前景和商业价值。Amir Pandi等人建立了一个LSTM模型(称为LSTM_Pep)来从头生成抗菌肽，并对模型进行微调，以生成具有特定预期治疗效益的肽。此外，研究人员还开发了一个基于深度学习的蛋白质-肽预测模型(DeepPep)，用于快速筛选给定目标生成的肽。通过使用CFPS极大地推进了AMP开发中的设计-构建-测试周期。该项研究揭示了开发基于深度学习的方法与CFPS相结合的技术平台，展示了人工智能如何帮助从头设计合成抗菌肽(AMP)。另外，还向我们提供了一个启示，即CFPS可以充分发挥机器学习在蛋白质设计方面的潜力，特别是在DNA合成成本不断下降的情况下，通过深度学习和CFPS相结合为肽的生产和筛选提供一种快速、低成本、高效的方法。这将有望在未来增加基于肽的候选药物的发现和开发。
相关推荐
2024-05-29
运动营养遇“检”未来 中国检验检测学会运动与营养测评分会成立大会在京召开
2023-11-02
世界肺炎日 | 肺炎支原体高发季，聚焦吸入制剂药物临床前研究
2023-12-06
2023-12-06
