栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > 资讯 > 高等教育 > 考研政策

开源一年:探索新冠祖源,彻底改写生物学

开源一年:探索新冠祖源,彻底改写生物学

编辑:袁谢snailnj

【新智元导读】AlphaFold为生物学带来了重大革新,但革新的内容具体如何呢?

自从DeepMind公布了AlphaFold系列的AI工具后,生物、制药等学术界和产业界都惊呼该武器诞生了。但这种AI武器给生物学和医学带来了哪些重大改变?AlphaFold改变了生物学。十多年来,分子生物学家马丁·贝克(Martin Beck)和他的同事们一直试图解开世界上最难的谜题之一:人类细胞中最大分子结构的详细模型。这个巨大的,被称为核孔复合体,控制分子进出基因组所在的细胞核。每个细胞中都有数百种这样的化合物。每个都由1000多种蛋白质组成,这些蛋白质通过核膜在孔周围形成环。这1000个谜题由30多种蛋白质组成,这些蛋白质以各种方式交织在一起。让拼图变得更加困难的是,这些拼图块的实验所确定的3D形状是许多不同种类的蛋白质板的混合物,因此它们并不总是能够很好地结合。拼图盒上的图片——核洞复合体的低分辨率3D视图——缺乏足够的细节来知道有多少块是精确组装的。

核孔复合体模拟图2016年,贝克领导的一个团队在德国法兰克福的马普生物物理研究所(MPIB)报告了一个模型,该模型覆盖了约30%的核孔复合体和约30个蛋白质构建模块的一半,称为Nup蛋白质。2021年7月,总部位于伦敦的公司DeepMind披露了一款名为AlphaFold2的人工智能工具。软件可以根据基因序列预测蛋白质的三维形状,很大程度上是非常准确的。这改变了贝克的工作和成千上万其他生物学家的研究。“AlphaFold改变了游戏规则。”贝克说这就像地震一样,”以色列耶路撒冷希伯来大学的计算结构生物学家奥拉·舒勒-弗曼说。你可以在任何地方看到它。他使用AlphaFold来模拟蛋白质相互作用,这发生在他的研究中。在AlphaFold的帮助下,Beck和几个研究机构的合作团队,通过对AlphaFold的一次调整,他们在2021年10月成功发布了一个模型,可以更准确地预测人类Nup蛋白质的形状。该模型涵盖了60%的化合物。揭示了该化合物如何稳定细胞核中的空穴,同时也提示了该化合物如何控制物质的进出。在随后的半年时间里,AlphaFold热潮席卷了生命科学领域。”我参加的每个会议,人们都说,为什么不用AlphaFold?”伦敦大学学院的计算生物学家克里斯汀·奥伦戈说。在某些情况下,人工智能节省了科学家的时间,而在其他领域,它使以前无法想象或极其不切实际的研究成为可能。它有局限性。一些科学家发现它的预测对他们的工作来说太不可靠,但基于人工智能的实验从未停止。甚至那些开发软件的人也在努力跟上它在从药物开发和蛋白质设计到复杂生命起源等领域的应用。领导deep mind AlphaFold团队的约翰·跳线(John Jumper)说:“我每天醒来,在推特上键入alpha fold。我看到的一切都是新的未来。一个惊人的成功,AlphaFold在2020年12月赢得了名为“蛋白质结构预测的关键评估(CASP)”的比赛,引起了轰动。这项比赛每两年举行一次,旨在衡量生物学最大挑战之一的进展:仅从蛋白质的氨基酸序列中确定蛋白质的3D形状。参与者使用X射线晶体学或低温电子显微镜等实验方法构建蛋白质形状的图像。Jumper表示,AlphaFold的2020版是其第二版。之前也获得了2018年的CASP,但其早期的努力大多不足以替代实验确定的蛋白质结构。然而,平均而言,AlphaFold2的预测结果与实际蛋白质结构的经验值相当。当时还不清楚DeepMind何时会大范围发布该软件或其预测,所以一些研究人员利用了来自DeepMind的AlphaFold团队领导人John Jumper的一次公开演讲的信息,并结合自己的技术水平,开发了自己的人工智能工具,命名为RoseTTAFold。然后在2021年7月15日,描述RoseTTAFold和AlphaFold2的论文同时发表。随着论文的发表,还有运行自制版本工具所需的免费开源代码和其他专业信息。一周后,DeepMind宣布,它已经使用AlphaFold预测了人类设计的几乎所有蛋白质结构,以及其他20种被广泛研究的生物的整个“蛋白质组”,如小鼠和大肠杆菌——总共超过36.5万个结构。DeepMind还向EMBL欧洲生物信息学研究所(EMBL-EBI)维护的数据库公开发布这些信息。从那时起,数据库已经增长到将近一百万个结构。2022年,DeepMind计划发布总计超过1亿个预测结构。这几乎是所有已知蛋白质的一半,是蛋白质数据库(PDB)中实验确定的蛋白质数量的几百倍。

AlphaFold AlphaFold的开发部署了深度学习神经网络——一种受大脑神经网络启发的计算架构——来识别数据中的模式。通过在PDB和其他数据库的实验,它已经确认了数千种蛋白质的结构和序列。面对一个新的氨基酸序列,它首先在数据库中搜索相关序列,可以识别出倾向于一起进化的氨基酸,说明它们在3D空中是接近的。当AlphaFold试图对氨基酸的3D位置进行建模时,它将重复迭代来自这些平行轨迹的线索,并不断更新其估计值。现有的蛋白质结构也提供了另一种方法来估计新序列中氨基酸对之间的距离。专家表示,AlphaFold表现如此出色的原因似乎是它在机器学习研究中应用了新方法,特别是它的自我注意机制,可以随时确定哪些氨基酸连接对其任务最重要。网络依赖于相关蛋白质序列的信息,这意味着AlphaFold有一定的局限性。AlphaFold不能用来预测突变对蛋白质形状的影响,比如引起疾病的突变。它也没有被训练来确定蛋白质在存在其他相互作用的蛋白质或分子(如药物)的情况下如何改变形状。但是它的模型有一个评分机制,用来衡量神经网络AI对蛋白质中每个氨基酸单元的预测的置信度值。研究人员正在调整AlphaFold的代码,以扩展其功能。根据DeepMind的数据,到目前为止,已经有超过40万人使用了EMBL-EBI的AlphaFold数据库。AlphaFold的一些“超级用户”研究人员在自己的服务器上安装了该软件,或者使用AlphaFold的云端版本来预测EMBL-EBI数据库之外的蛋白质结构,或者设想该工具的新用途。解决结构问题AlphaFold解决蛋白质中结构问题的能力给生物学家留下了深刻的印象。丹麦奥尔胡斯大学的结构生物学家托马斯·博森(Thomas Boesen)说:“根据我目前所见,我非常信任AlphaFold。该软件已经成功预测了Boesen中心已经确定但尚未公布的蛋白质形状。博森说:“从我的角度来看,这增加了我对目前工作的信心”。他正在用AlphaFold模拟细菌蛋白质的结构。这些蛋白质可以促进冰晶的形成,这可能有助于大气云中冰的冷却效果,因为生物学家无法通过实验完全确定这种结构。斯德哥尔摩大学的蛋白质生物信息学家阿恩·埃洛夫松(Arne Elofsson)表示,只要一种蛋白质卷曲成确定的3D形状——并非所有蛋白质都是这样——AlphaFold的预测就很难被击败。这是一个一键式的解决方案,可能是你能得到的最好的结构。埃洛夫松说,当AlphaFold不确定的时候,“它非常擅长告诉你什么时候不起作用”。在这种情况下,预测的蛋白质结构可能类似于漂浮的意大利面条形状。这通常对应于缺乏确定形状的蛋白质区域,例如独立的蛋白质结构。这个基本上无序的区域可能只有在另一种分子存在的情况下才能很好地确定,这种分子约占人类蛋白质组的三分之一。伦敦癌症研究所的计算生物学家诺曼·戴维(Norman Davey)表示,AlphaFold识别蛋白质异常的能力改变了他在识别重点区域方面的研究。他说:“我们没有做任何努力,癌症预测的质量马上就有了很大的提高。AlphaFold输入EMBL-EBI数据库的蛋白质结构也立即投入使用。一些研究团队正在寻找新的未经测试的蛋白质物种,已经发现了数百个可能的新蛋白质家族,这扩展了科学家对蛋白质外观和功能的知识。在另一项研究中,该团队正在搜索从海洋和废水中提取的DNA序列数据库,试图识别可以吃掉塑料的新酶。利用AlphaFold快速预测数千种蛋白质的大致结构的能力,研究人员希望更好地了解酶是如何进化来分解塑料并对其进行改进的。哈佛大学进化生物学家谢尔盖·奥夫钦尼科夫表示,将任何蛋白质编码基因序列转化为可靠结构的能力对生物进化研究至关重要。研究人员通过比较基因序列来确定不同物种中生物与其基因之间的关系。对于较远的基因,人工比对不一定能发现进化关系,因为序列变化的数据集太大了。由于蛋白质的结构往往比基因序列变化更慢,通过比较蛋白质的结构,研究人员可能会发现物种之间被忽视的古老亲缘关系。苏黎世瑞士联邦理工学院的计算生物学家佩德罗·贝特鲁(Pedro Bertrau)说,“这为研究蛋白质中生命的进化和起源提供了机会。为了测试这一想法,首尔国立大学计算生物学家马丁·施泰因格(Martin Steinegger)领导的团队使用他们开发的名为Foldseek的工具,在AlphaFold数据库中搜索导致新冠肺炎新型冠状病毒病毒的RNA复制酶的亲属。这项研究发现了以前未鉴定的病毒可能的古代亲戚:真核生物包括粘菌中的蛋白质在3D结构上类似于一种叫做逆转录酶的酶,这种酶被艾滋病毒等病毒用来将RNA复制到DNA,尽管在基因序列水平上几乎没有相似性。

AlphaFold,实验好助手

对于想要确定特定蛋白质详细结构的科学家来说,AlphaFold的预测结果不一定是立竿见影的解决方案。但它提供了一个可以通过实验验证或改进的初始近似值,这本身就有助于理解实验数据。比如X射线晶体学获得的蛋白质晶体结构的原始数据,一般都是以X射线衍射图样的形式呈现的。在过去,科学家通常需要估计蛋白质结构的基准点,以便进一步解释这些数据。据英国剑桥大学结构生物学家兰迪·里德(Randy Read)介绍,他们过去常常将“蛋白质数据库”中有关蛋白质的信息拼凑在一起,或者使用其他方法来猜测基准点。现在,对α折叠的精确预测使得过去大多数用X射线衍射图样解释蛋白质晶体结构的方法可以被抛弃。Read表示,他的实验室正试图在实验模型中更好地利用AlphaFold。“通过AlphaFold,我们完全重新调整了我们的研究重点。Read和其他研究人员一直在使用AlphaFold从X射线扫描图像数据中确定晶体结构,在没有足够的初始参考值的情况下,之前无法进行分析。前Read实验室博士后、现就职于分析公司SciBite的Claudia Millán Nebot表示,学术界正在利用AlphaFold解决这类多年来无法解决的障碍。她预计,大量新的蛋白质结构将被提交到蛋白质数据库,这在很大程度上归功于AlphaFold。专门从事低温电子显微镜的实验室也是如此,可以捕捉到速冻蛋白质的照片。在某些情况下,AlphaFold可以准确预测称为G蛋白偶联受体(GPCR)的蛋白质的独特特征。这些蛋白质是重要的药物靶标,而其他计算工具在进行类似预测时经常出错。美国北卡罗来纳州教堂山大学的结构生物学家和药理学家布莱恩·罗斯(Bryan Roth)说:“AlphaFold似乎非常适合生成第一个基准模型,然后我们利用电子显微镜的观察和其他实验数据对其进行改进,这大大节省了我们的时间。但罗斯表示,AlphaFold并不总是准确的。在他的实验室已经分析但尚未发表的几十种GPCR结构中,“大约一半的时间,AlphaFold预测的蛋白质结构是相当准确的。但在另一半,AlphaFold就很没用了。”Roth说,在某些情况下,AlphaFold被标记为蛋白质结构的高可信度预测,经过实验和电子显微镜的运行后发现这是完全错误的。即使AlphaFold预测正确,它也无法模拟目标蛋白质与药物或其他小分子配体结合时的微观外观,而这种结合将极大地改变蛋白质的分子结构。这些缺点使得Roth对目前AlphaFold在药物开发中的使用并不乐观。在药物研发中,利用对接实验室的计算软件,从数十亿个小分子中筛选出一些可能与目标蛋白结合的分子,越来越常见,这预示着他们可以做出有用的药物。Roth现在正与加州大学旧金山分校的药物化学家Brian Shoichet合作,探索如何用这种方法将AlphaFold的预测结果与实验确定的蛋白质结构进行比较。绍伊切特说,他们将工作限制在具有AlphaFold预测结构和实验最终结构的蛋白质上。然而,即使在这些情况下,前述对接软件也会对实验产生的蛋白质结构和AlphaFold预测结构给出不同的药物开发命中率,这表明即使是微小的差异也可能是至关重要的。“这并不意味着我们不能找到新的配体,我们只是找到了不同的配体,”绍伊切特说。他的团队现在正在合成可以识别AlphaFold蛋白质结构的潜在药物,并在实验室测试它们的活性。制药行业对AlphaFold非常乐观。Shoichet表示,现在制药公司和生物技术公司的研究人员对AlphaFold帮助药物开发的潜力感到兴奋。“我将把每个人的心态称为批判性乐观。2021年11月,DeepMind推出了自己的生物技术子公司同构实验室,旨在将AlphaFold和其他人工智能工具应用于药物发现。不过,该公司并没有透露太多关于这个项目的信息。Karen Akinsanya是总部位于纽约的药物开发企业Schrodinger Company的临床药物开发部门主管。她的公司还开发了化学反应模拟软件。凯伦说,她和她的同事在使用AlphaFold方面取得了一些成功,包括找到了一种在虚拟环境模拟和真实药物成分设计中可行的GPCR结构。她发现,就像实验中生成的蛋白质结构一样,研究人员需要更多额外的软件/算法来获得特定氨基酸侧链或特定氢原子可能位置的详细信息。一旦获得这些信息,AlphaFold的预测结果就足以在某些情况下指导药物开发。阿金桑亚说:“以这种方式开发的药物几乎不是灵丹妙药,因为结合AlphaFold预测的软件设计可以开发出在某些方面非常令人惊讶和兴奋的药物分子结构,但这种方法显然不适合所有药物分子结构的研发”。而且,Akinsanya和同事发现,对AlphaFold的蛋白质结构的预测,即使准确,也不能保证某种分子结构是否能通过药物开发的后续筛选步骤。她说,AlphaFold的蛋白质结构预测永远不会完全取代药物开发中的实际实验,但它可以作为一种补充方法来加快开发过程。对AlphaFold感到好奇的药物开发人员在2022年1月收到了好消息,DeepMind解除了AlphaFold商业应用的关键限制。DeepMind在2021年7月开放AlphaFold的源代码时,规定了基于在数十万个蛋白质结构和序列上训练神经网络AI的最终结果来运行AlphaFold所需的参数或权重,还规定了只能用于非商业目的。阿金桑亚说,这种限制对药物开发行业的一些人来说是一个瓶颈。当DeepMind改变规定时,药物开发行业出现了“兴奋的浪潮”。其中一名开发者表示,RoseTTAFold也有类似的限制,但下一个版本将完全开源。人工智能工具不仅改变了研究人员确定蛋白质外观的方式,一些研究人员正在使用它们制造全新的蛋白质。西雅图大学生物化学家、蛋白质设计领域的领导者大卫·贝克(David Baker)表示,“深度学习工具正在彻底改变我的研究小组中蛋白质设计的方式”。他的团队与计算化学家闵京白一起领导了RoseTTAFold的开发。贝克的团队要求AlphaFold和RoseTTAFold“幻想”这种新蛋白质。研究人员修改了这两个人工智能模型的代码。因此,给定氨基酸的随机序列,软件会对它们进行优化,直到它们形成类似于蛋白质的结构。

AlphaFold对蛋白质结构“幻想”的过程2021年12月,贝克的团队报告了129种这样的“幻想”蛋白质在细菌中表达,并发现其中约五分之一折叠成接近其预测结构的最终形状。“这确实是学术界第一次研究人员可以利用这些神经网络AI设计出前所未有的蛋白质。贝克的团队现在正在用这种方法设计各种特定的蛋白质,比如催化特定的化学反应。方法是指定负责所需必需功能的氨基酸,让AI“幻想”其余的蛋白质序列。黑色AlphaFold当DeepMind开放其AlphaFold代码时,奥夫钦尼科夫希望更好地了解该工具的工作原理。没过几天,他和计算生物学的几个同事建立了一个名为ColabFold的网站,允许任何人向AlphaFold或RoseTTAFold提交蛋白质序列,并获得结构预测结果。奥夫钦尼科夫想象他和其他研究人员将使用ColabFold尝试“打破”AlphaFold,例如,通过提供关于蛋白质的错误信息,蛋白质是进化过程中目标蛋白质序列的近亲。通过这样做,奥夫钦尼科夫希望他可以确定神经网络是如何如此好地预测蛋白质结构的。原来,虽然大多数使用ColabFold的研究人员只是想得到蛋白质结构的预测结果,但也有人把它作为一个平台,将输入修改为AlphaFold来测试这个AI。AlphaFold的开发总监Jumper表示:“没想到黑客攻击的种类会这么多。到目前为止,最流行的黑客攻击是将蛋白质复合物的特定序列输入AlphaFold,该蛋白质复合物由多个相互作用且往往相互交织的肽链组成。就像核孔复合物一样,细胞中的许多蛋白质在形成具有多个蛋白质亚单位的这种复合物中发挥了前所未有的作用。AlphaFold旨在预测单个肽链的形状,其训练数据完全由单个肽链蛋白质组成。但是神经网络AI似乎很快就学会了一些关于蛋白质化合物如何折叠在一起的知识。在AlphaFold代码开源几天后,来自东京大学protein的生物信息学家Yoshitaka Moriwaki在Twitter上表示,如果用更长的链接序列将两个蛋白质序列缝合在一起,AlphaFold也应该能够准确预测它们之间的相互作用。ColabFold网站后来增加了预测化合物的能力。2021年10月,DeepMind发布了一个名为AlphaFold-Multimer8的更新,与它的前身不同,它是专门为训练蛋白质化合物而设计的。Jumper的团队将其应用于“蛋白质数据库”中的数千种化合物,发现它预测了大约70%的已知蛋白质序列之间的相互作用。这些工具已经在帮助研究人员发现新的和潜在的蛋白质对。一个研究小组使用AlphaFold预测了65,000对人类蛋白质的结构。根据实验数据,先前推测这些蛋白质配对具有相互作用。另一个团队使用AlphaFold和RoseTTAFold来模拟酵母编码的几乎每一对蛋白质之间的相互作用,并确定了100多种以前未知的化合物。研究人员表示,这些筛选结果只是起点,AI更擅长预测一些蛋白质对,尤其是那些结构稳定的蛋白质对,但更多的瞬时相互作用很难识别。“然而,配对序列看起来不错,并不代表它就是正确的。你需要一些实验数据来证明。核孔复合体项目是一个很好的例子,说明了预测的结构和实验数据是如何协同工作的。该研究人员表示:“并不是说如果我们把30种蛋白质的序列数据全部输入AlphaFold,AI就能跑出一个可用的蛋白质结构,除了。为了在实验中真实再现预测的蛋白质结构,团队拍摄了核孔复合体的3D图像进行验证。这些图像是通过一种叫做“低温电子断层扫描”的技术用低温电子显微镜拍摄的。在一个实验中,用于确定蛋白质邻近性的实验,当应用于化合物的两个组分之间时,刺激了两个组分之间的相互作用,这种相互作用以前没有被记录,并被拍照和记录。然而,AlphaFold的模型预测结果与记录一致,这表明AlphaFold可以成功预测前所未有的蛋白质反应。这个成功的实验模型将成为未来分子生物学领域其他实验和模拟的起点。这些未来的实验和模拟将能够测试核孔复合物的功能及其在患病组织中突变/失效的原因。AlphaFold的局限性尽管取得了这些进展,但研究人员表示,更重要的是知道它的局限性,特别是因为没有具体预测蛋白质结构的研究人员会使用它。尝试将AlphaFold应用于破坏蛋白质天然结构的各种突变,包括与早期乳腺癌相关的突变,已经证明该软件无法预测蛋白质新突变的后果,因为没有与蛋白质进化相关的序列可供参考。AlphaFold团队现在正在思考如何设计一种新的神经网络AI来应对蛋白质结构的新突变。Jumper预计,这将需要神经网络AI更好地预测蛋白质将如何从未折叠状态变为折叠状态。纽约哥伦比亚大学的计算生物学家Mohammed Al-Quraishi表示,这可能需要AI仅根据其获得的生物物理知识来预测蛋白质的结构。“我们感兴趣的是在不使用进化信息的情况下从单个蛋白质序列进行预测,这是一个关键的未决问题。AlphaFold旨在预测单个蛋白质结构,尽管它被黑客攻击得可以跑出不止一个预测结果。然而,许多蛋白质具有不同组成,这对它们的生物学功能非常重要。AlphaFold预测针对的是孤立的蛋白质结构,无法处理可以采用多种构象的不同结构的真实蛋白质。真正的蛋白质与配体(如DNA和RNA)、脂肪分子和矿物质(如铁)一起工作。Al-Quraishi承认,开发能够克服这些缺点的新一代神经网络AI将是一个巨大的挑战。AlphaFold的成功依赖于之前几十年的生物学研究,这些研究产生了AI可以学习的蛋白质结构数据。目前还无法在蛋白质动力学中获得同等数量的数据来训练AI。同样,蛋白质能与之相互作用的数万亿小分子的形状数据也很缺乏。“蛋白质数据库”包含蛋白质与其他分子相互作用时的一些结构,但这仅包括真实蛋白质物种化学多样性的一小部分。研究人员认为,他们需要时间来确定如何最好地使用AlphaFold和相关的人工智能工具。这类似于电视行业早期,主要节目都是由电台播音员呈现,内容只是看新闻。学术界需要找到真正颠覆现在结构的新用法。至于AlphaFold带来的革命性变化的终结,谁也说不准。行业的创新速度极快,甚至不到一年,这些AI工具就有可能带来翻天覆地的重大突破。EMBL-EBI大学的计算生物学家Janet Thornton认为,AlphaFold最大的影响之一可能是让生物学家对计算和理论方法的看法更加开放。“对我来说,革命是思维方式的改变。AlphaFold带来的革命性变化,最终激发了研究界的伟大梦想。受AlphaFold启发的AI工具不仅可以用于对单个蛋白质和复合物进行建模,还可以对整个细胞器亚结构甚至整个细胞进行建模,并且细化到单个蛋白质分子的水平。这将是未来几十年学术界的追求目标。

参考资料:

https://www.nature.com/articles/d41586-022-00997-5

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/news/1665927.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号