速递:谷歌DeepMind发布蛋白质设计AI系统AlphaProteo

主要观点总结

本文介绍了谷歌DeepMind团队发布的AlphaProteo系统，用于设计出全新的binder。该系统包括生成模型和过滤器两部分，能够生成候选设计并进行评分。文章详细描述了AlphaProteo的设计过程、实验验证、实验成功率、结合亲和力、结构验证、功能验证以及展望。

关键观点总结

关键观点1: AlphaProteo系统概述

AlphaProteo由生成模型和过滤器两部分组成，生成模型基于蛋白质数据库的结构和序列数据以及AlphaFold预测结果，过滤器则对生成的候选设计进行评分和预测实验成功的可能性。

关键观点2: 实验验证

研究团队选择了8个目标蛋白进行实验验证，包括BHRF1、SARS-CoV-2刺突蛋白受体结合域等。实验成功率显著高于现有最佳方法。

关键观点3: 结合亲和力

研究人员测量了成功结合剂的解离常数（Kd），其中4个目标蛋白获得了亚纳摩尔级（< 1 nM）的Kd值，6个目标蛋白获得了< 10 nM的Kd值。

关键观点4: 结构验证与功能验证

研究人员使用冷冻电镜和X射线晶体学方法验证了设计结合剂的结构，并进行了功能验证实验，包括SARS-CoV-2中和试验和VEGF信号抑制试验。

关键观点5: 总结与展望

AlphaProteo在多个目标蛋白上展现出了优异的性能，能够直接获得低纳摩尔甚至亚纳摩尔级别的结合剂。未来的研究方向包括进一步提高AlphaProteo的性能，扩展其能力，攻克更具挑战性的目标等。

免责声明