人工智能和生物物理建模相结合，用于新型蛋白质设计

来自莱比锡大学和Saxon AI中心ScaDS的跨学科研究团队。人工智能开发了一种将人工智能（AI）方法与生物物理建模相结合的新方法。这种创新策略可以应用于新疗法的开发，如抗体和疫苗，包括用于流行病防备的疗法

该研究项目是与美国纳什维尔范德比尔特大学合作进行的，是计算机辅助药物开发领域广泛初步工作的结果。这项研究发表在《科学进展》杂志上

科学家们认为，计算蛋白质设计领域的当前研究格局类似于淘金热，许多新方法在没有实验验证的情况下发表。这通常会导致对人工智能模型性能的不准确评估

药物发现研究所研究小组负责人Clara Schoeder教授说：“我们迫切需要此类模型的描述和可用性标准。”。“我们的研究为这一目标做出了重要贡献。”

目前的研究结果表明，人工智能方法特别擅长提出不会破坏蛋白质折叠的序列。然而，当涉及到准确评估单个氨基酸变化对折叠的影响时，他们很难做到

“我们的研究结果清楚地表明，没有一种人工智能模型或生物物理方法能够完美地解决所有设计问题，”该项目的首席科学家之一、药物发现研究所所长洪堡教授Jens Meiler解释道

“未来，我们必须仔细考虑将哪种模型用于哪种目的。我们的工作是朝着不同方法之间更大可比性迈出的第一步。”

多年来一直用于蛋白质研究的Rosetta生物物理软件套件为整合不同的人工智能方法提供了一个框架

Rosetta被全球100多个实验室使用，使研究人员能够将不同的方法（如大型语言模型（如ESM-2）和ProteinMPNN模型）与生物物理方法有效地结合起来。这种组合使研究人员能够比较和分析设计方法的不同行为

Meiler教授解释说：“随着这一发展，我们可以快速轻松地将人工智能模型与经典方法相结合，并将其并行使用。”

“这大大简化了我们的工作，使我们能够充分利用过去20年在罗塞塔开发的所有基础设施。”

这并不意味着研究项目已经完成。由Meiler教授和Schoeder教授领导的研究小组将继续改进和实验评估开发的算法，特别是在大流行防范疫苗设计方面

Clara Schoeder教授说：“我们正在研究哪些方法可靠地表明了可能导致疫苗候选的氨基酸变化。”

尽管通过使用人工智能取得了进展，但所谓的评分问题仍然是一个挑战。这是指预测单个氨基酸替代的效果的困难

与可扩展数据分析和人工智能中心ScaDS合作。研究团队乐观地认为，人工智能和生物物理方法的结合将提高蛋白质设计的效率 More information: Moritz Ertelt et al, Self-supervised machine learning methods for protein design improve sampling but not the identification of high-fitness variants, Science Advances (2025). DOI: 10.1126/sciadv.adr7338

Journal information: Science Advances