人工智能仍在与蛋白质作斗争：来自变形血液蛋白的教训

布鲁塞尔Interuniversity生物信息学研究所、布鲁塞尔Vrije大学结构生物学研究小组和根特大学IBiTech–BioMMedA小组的研究人员进行的一项研究揭示了一种与炎症和癌症有关的关键血液蛋白-α-1酸糖蛋白（AGP）-如何以复杂而令人惊讶的方式表现。这些发现说明了即使是最强大的人工智能工具在理解这些动态生物过程方面的局限性。

Bhawna Dixit博士在她的博士论文中进行了这项研究。她专注于AGP，因为它在人体血浆中含量丰富，以调节免疫反应及其与药物的相互作用而闻名。

尽管进行了数十年的研究，但它的完整行为仍然是一个谜，主要是因为这种蛋白质严重糖基化，这意味着它具有附着在特定位点的复杂糖分子（称为聚糖）。这些聚糖是高度动态和可变的，为其结构增加了显著的复杂性。

Dixit博士和她的同事通过分子模拟表明，即使是AGP中的小基因突变（其中一些在癌症患者中发现），也可以极大地改变蛋白质的移动方式和与药物的相互作用。当考虑到特定聚糖的存在或不存在时，这些影响变得更加复杂，这些聚糖会根据身体的疾病或炎症状态而变化。Dixit说：“蛋白质的一个微小变化，特别是在糖基化位点附近，可能会完全重塑它的行为方式。”。“这对精准医学如何为不同的人服务具有真正的意义。”

在《分子生物学杂志》发表的一项后续研究中，研究人员评估了以预测蛋白质结构而闻名的高调人工智能系统AlphaFold是否可以捕捉到不同蛋白质的灵活和动态特性。

虽然AlphaFold在蛋白质的刚性部分表现良好，但它很难准确地模拟柔性和动态区域。该团队将AlphaFold的预测与核磁共振波谱的实验数据进行了比较，发现人工智能过于简化了蛋白质柔性区域的表示。Dixit解释说：“AlphaFold是在蛋白质结构的静态表示上训练的，但包括AGP在内的许多蛋白质都不是静态的。”。

“我们需要谨慎地从表面上解释人工智能预测，特别是对于灵活性和动态行为具有生物学意义的蛋白质。”

他们的结果突显了计算生物学中日益增长的担忧：虽然像AlphaFold这样的人工智能工具功能强大，但它们的训练数据缺乏有关复杂蛋白质行为的信息，结果必须与实验数据进行验证，特别是对现实世界生物学中涉及疾病过程的蛋白质。

随着人工智能继续影响生物医学研究，人的因素、批判性思维和动手实验仍然同样重要。p