多伦多大学的研究人员使用人工智能框架重新设计了参与基因治疗的关键蛋白质。

这项发表在《自然机器智能》上的研究描述了优化蛋白质以减轻免疫反应的新工作，从而提高基因治疗的功效并减少副作用。

“基因疗法前景广阔，但人体对病毒载体预先存在的免疫反应极大地阻碍了其成功。我们的研究集中在六邻体上，这是腺病毒载体中的一种基本蛋白质，如果不考虑免疫问题，六邻体对于基因治疗具有巨大的潜力。应用科学与工程学院生物医学工程研究所的助理教授迈克尔·加顿(Michael Garton)说。

“血清型特异性抗体引发的免疫反应对这些载体到达正确的目标构成了重大障碍;这可能导致功效降低和严重的副作用。”

为了解决这个问题，加顿的实验室使用人工智能来定制设计与自然序列不同的六邻体变体。

“我们希望设计出一种与所有人类变异都相距甚远的东西，并且推而广之，免疫系统无法识别，”博士说。候选人 Suyue Lyu，该研究的主要作者。

设计新蛋白质的传统方法通常涉及大量的试验和错误以及不断增加的成本。通过使用基于人工智能的蛋白质设计方法，研究人员可以实现更高程度的变异，降低成本并快速生成模拟场景，然后再针对特定的目标子集进行实验测试。

虽然存在许多蛋白质设计框架，但由于缺乏可用的天然序列以及六邻体相对较大(平均由 983 个氨基酸组成)，研究人员正确设计新变体可能具有挑战性。

考虑到这一点，Lyu 和 Garton 开发了一种不同的人工智能框架。该模型被称为 ProteinVAE，可以通过训练来使用有限的数据来了解长蛋白质的特征。尽管设计紧凑，ProteinVAE 仍表现出与更大的可用模型相当的生成能力。

“我们的模型利用预先训练的蛋白质语言模型，在小型数据集上进行高效学习。我们还结合了许多定制的工程方法，使模型适合生成长蛋白质，”Lyu 说，并补充说 ProteinVAE 被有意设计为轻量级。

Lyu 补充道：“与其他需要大量计算资源来设计长蛋白质的较大模型不同，ProteinVAE 支持在任何标准 GPU 上进行快速训练和推理。此功能可以使模型对其他学术实验室更加友好。我们的 AI 模型经过验证通过分子模拟，展示了改变蛋白质表面很大一部分的能力，从而有可能逃避免疫反应。”

Lyu 解释说，下一步是在湿实验室中进行实验测试。

Garton 认为，人工智能模型的用途可以超越基因治疗蛋白质设计，并且还可能扩展到支持其他疾病病例的蛋白质设计。

“这项工作表明，我们有可能利用生成人工智能设计新的亚种甚至物种的生物实体，”他说，“这些实体具有可用于新型医学治疗的治疗价值。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：