蛋白质

蛋白质是人类不可或缺的营养。

我们知道，蛋白质是生命活动中不可或缺的基石，对于生长发育、伤口愈合、免疫功能等方面都非常重要。

甲型流感病毒外部的蛋白质是突破人体粘液屏障的关键图源：KaterynaKon

蛋白质是执行各种任务的基本分子，从催化化学反应到使细胞之间的通信成为可能。

蛋白质是在细胞内的“工厂”——核糖体中制造的。

蛋白质是由叫做氨基酸的“小积木”构成的。

2020年，我们发布了约33万个蛋白质的预测结构，到2022年，这一数字已超过2亿。

在一开始，我们测试了AlphaFold对已知结构的蛋白质的预测，并让AlphaFold通过从错误中学习不断改进自己，直到其预测变得更准确。

然而，在这里我们利用这一看似失败的特点作为一个独特的优势，以实现传统凝胶不可能实现的均匀蛋白质递送的机械触发器。

在一项开创性的研究中，弗里德里希·米歇尔生物医学研究所（FMI）的研究人员探索了蛋白质中每一种可能的突变如何影响其与其伴侣结合的能力，从而揭示了突变如何影响细胞功能和蛋白质的进化。

冷链管理是当前蛋白质运输的最佳解决方案，但需要大量的基础设施和能源。

从蛋白质设计到3D打印，从大片段DNA插入到检测深度伪造内容……《自然》网站22日发布了2024年值得关注的七大技术领域，并指出人工智能（AI）的进步是这些最令人兴奋的技术创新应用的核心。

深度学习助力蛋白质设计

Bianco等人现在报告了一种用于储存蛋白质的凝胶系统，该系统避免了使用添加剂和稳定剂，并通过利用水凝胶的一个特征：其较差的机械强度，巧妙地解决了药物释放问题。

这是一个广泛的问题，意味着任何储存的蛋白质最终都是与稳定剂混合递送的，而不是理想的蛋白质缓冲液溶液。

流感病毒进化出了能穿透粘液的蛋白质

在自然界的蛋白质中，鸡蛋蛋白质的氨基酸组成与人体蛋白质氨基酸模式最为接近，也最易被消化吸收。

同样，防止冰晶生长的冷冻配方抑制了蛋白质聚集。

(A)传统上，蛋白质的结构是通过实验确定的，这些实验利用大型昂贵的设备将X射线打在晶体化的蛋白质上（X射线晶体学），然后通过复杂的数学方法解释结果。

(B)我们在DeepMind的做法是利用先进的人工智能系统，使用已知的蛋白质结构和蛋白质数据库，学习预测尚未经过实验测试的蛋白质结构。

AlphaFold的设计目的是从公开数据库（如蛋白质数据银行）中发布的蛋白质结构信息中学习。

不久之后，我们开始着手解决蛋白质折叠问题，并训练AI系统学习已知的蛋白质结构。

在AlphaFold的旅程中，一个令人激动的里程碑发生在2018年，当时AlphaFold在两年一度的蛋白质结构预测竞赛CASP中获得了第一名。

尽管这个过程很成功，但显然速度太慢且成本过高，尤其是当我们想要找出超过2亿种已知蛋白质的结构时，这个数字是我们目前已确定结构的1000多倍！

总体上，我们可以使用大约17万个已知蛋白质结构来训练我们的AI系统。

我们提供给它的蛋白质结构例子越多，它在预测新蛋白质结构时的表现就越好。

最后，它使用关于蛋白质形状的基本概念来预测蛋白质结构中每个原子的三维位置（图2E）。

过去50年间，使用诸如X射线晶体学、冷冻电子显微镜和核磁共振分析等方法，已经确定了大约20万种蛋白质的结构，这些结构数据被存放公开数据库（蛋白质数据银行）。

这一AI解决方案被认为解决了困扰科学界50年的蛋白质结构预测难题。

这几乎接近通过实验（如X射线晶体学）确定蛋白质结构的准确性，但没有高时间成本和费用。

Jumper，以表彰其在蛋白质结构预测方面的贡献。

其中，“基于序列”的算法使用大型语言模型，能够像处理包含多肽“单词”的文档一样，通过处理蛋白质序列辨别出真实蛋白质结构背后的模式。

这些新方法能以原子级分辨率重建蛋白质结构。

现在科研人员利用基因技术去改变蛋白质的功能从而可以确定参与麻醉作用的确切蛋白质，从而准确找到麻醉剂的作用靶点，并在分子结构层次上解析麻醉剂分子与蛋白质结合的结构变化信息，进一步揭示分子层次麻醉过程的作用机理。

DNA链一端连接在电极上，另一端连接着一种能与特异目标蛋白质结合的DNA片段。

为了检测生物体液中的蛋白质，科学家通常使用能与特异蛋白质结合的DNA受体。

蛋白质突变的全面研究（AComprehensiveLookatProteinMutations）

其他人开发了带有海藻糖侧链的合成聚合物用于蛋白质稳定化，使蛋白质既能冻干又能加热稳定，但是偶联降低了活性。

简而言之，蛋白质稳定化是一个挑战，没有通用解决方案。

据瑞士巴塞尔的弗里德里希·米歇尔生物医学研究所{FriedrichMiescherInstituteforBiomedicalResearch(FMI),Basel,Switzerland}2024年12月3日提供的消息，解码蛋白质相互作用：迈向个性化医疗的一步（Decodingproteininteractions:

为了了解突变如何影响蛋白质相互作用，FMI纪尧姆·迪斯实验室（GuillaumeDiss’slabatFMI）的研究人员研究了一种名为JUN的蛋白质，这种蛋白质在DNA结合和细胞信号传导中起着至关重要的作用。

例如，了解基因变异如何影响蛋白质相互作用可能有助于评估阿尔茨海默病（Alzheimer’sdisease）或2型糖尿病（type2diabetes）等疾病的个体风险，为靶向治疗铺平道路。

解码蛋白质相互作用：迈向个性化医疗的一步

解码蛋白质相互作用：迈向个性化医疗的一步解码蛋白质相互作用：迈向个性化医疗的一步精选

（3）在递送的蛋白质溶液中零或最小赋形剂；

然而，这些受体功能过强，一旦结合蛋白质便难以释放，因此无法实时测量血液蛋白质的波动。

科技日报讯（记者张佳欣）受大自然启发，美国西北大学生物工程师团队开发出一种植入皮下的传感器，可实时跟踪活体动物蛋白质水平的波动，测量炎症标志物的变化。

对于蛋白质来说也是如此，它转化并且储存为脂肪就更加低效了。

(B)AlphaFold使用来自蛋白质数据库的信息训练自己，从氨基酸序列中预测蛋白质的三维结构。

第一，确保优质蛋白质的摄入。

2016年，我们利用这些智能系统，尝试解决一个已经困扰科学界50年的生物学基本问题——蛋白质折叠问题。

(A)2016年，我们开始构建AlphaFold——一个解决蛋白质折叠问题的AI系统。

AlphaGo是第一个击败围棋世界冠军的程序，而AlphaFold解决了持续50年的蛋白质折叠这个重大挑战。

因此，AlphaFold2被公认为解决了一个50年未解的蛋白质折叠问题。

因此，在谷歌DeepMind，我们决定利用人工智能的力量解决蛋白质折叠问题：计算机从示例中学习并发展出足以解决复杂问题的能力。

图1-解决蛋白质折叠问题。

图2-预测蛋白质折叠的阶段。

在我们下一版的系统AlphaFold2中，我们将更多关于氨基酸链物理和几何的科学知识整合进了系统的学习过程中，并将其与我们对蛋白质折叠问题的理解结合起来。

基本上，我们教会了AlphaFold2如何进行MSA分析，然后利用改进的MSA分析更好地理解蛋白质折叠（从而理解氨基酸链的物理和几何特性）。

由于蛋白质对生物体至关重要，蛋白质折叠问题被认为是生物化学中最重要的问题之一。

蛋白质折叠问题：1960年代提出的一个科学问题，探讨如何根据蛋白质的氨基酸序列预测其三维结构。

谷歌DeepMind在科学研究领域有着自豪的根基，因此蛋白质折叠问题对我们来说是自然而然的下一步（图2）。

这就是所谓的蛋白质折叠问题[1]。

一旦我们向AlphaFold输入了足够的信息，系统就能够预测关于蛋白质形状的基本信息，包括每两个氨基酸之间的距离（图2D）和角度，以及预测的可信度（即预测的可靠性）。

蛋白质的形状决定了它们能执行的功能，许多生物体必须执行相同的生物功能，如在血液中携带氧气。

因此，我们使用了包含蛋白质序列的开放数据库（图2B）来构建我们所称的多序列比对（MSA，图2C）。

与之前的研究仅关注制造蛋白质的基因不同，该团队利用10万个基因组计划的数据，对整个基因组进行了测序，从而能够分析不制造蛋白质的基因（如RNU4-2）的变化。

Bianco等人在《自然》杂志上发表文章，提出了一种创新且简单的策略，将蛋白质储存并递送于凝胶中。

尽管新的蛋白质储存系统的设计引人注目且具有创新性，但胰岛素的稳定化仅在相对较短的六小时内得到了证明。

(E)最后，AlphaFold将这些距离和角度转换为蛋白质的三维结构预测。

X射线晶体学：一种利用X射线确定蛋白质三维结构的实验方法。

为了弄清蛋白质的三维结构，科学家们使用的传统方法是一种叫做X射线晶体学的技术（图1）。

到2020年，我们的系统在预测蛋白质三维结构时的平均准确率达到了92.4%。

自20世纪60年代初以来，科学家们一直在试图理解氨基酸链的特定序列是如何影响蛋白质三维结构的形成。

她喜欢保持碳水、脂肪和蛋白质的平衡，她最关心的是每天早上的第一顿饭，因为这是开启新一天最重要的时刻，早饭决定了她今天心情

丁滪指出，相对于生物大分子药物，靶向蛋白降解药物与蛋白质的接触表面积非常小，因此，如何提高降解效率和特异性、降低脱靶效应，是当前研究中需要解决的关键问题。

但是，摄入太多蛋白质会剥夺骨骼中的钙，造成骨密度下降和其他必需营养素的缺乏，还会影响酸碱平衡，产生酮血症和酮尿症，增加肝肾负担。

研究人员希望通过开发一种阻断这种蛋白质的新药，使癌症治疗更有效，尤其是对难以治疗的血癌。

值得注意的是，研究人员确定的这组蛋白质包括CGRP，这是一种与偏头痛相关并已作为现有治疗靶点的蛋白质。

凝胶可保护治疗性蛋白质免于失活《自然》凝胶可保护治疗性蛋白质免于失活《自然》精选

通过这种方式减肥会让机体的蛋白质、脂肪长期过度分解，最终会导致乏力、贫血，抵抗力下降。

随着身体年龄的增长并积累受损的蛋白质和其他分子，免疫系统通常将这些视为可能感染的迹象，在杜克-新加坡国立大学医学院研究IL-11的医学研究员StuartCook说。

蛋白质帮助我们视物、移动、消化食物、对抗疾病，以及完成许多其他维持我们生存和健康的基本动作。

在减重过程中，摄入足够的蛋白质尤为重要，因为它能增加饱腹感，让你不容易感到饥饿，从而减少不必要的进食。

运动后喝一杯牛奶，不仅能帮助身体快速恢复，还能增加蛋白质的吸收，帮助修复肌肉。

但如果不是特别需要的情况下，边吃饭边喝水，会让咀嚼频率减少，太多的水也会稀释胃酸，影响胃酸对食物蛋白质、脂肪、淀粉等的消化，也不利于胃酸的杀菌作用，会增加患肠胃炎的概率。

肉类蛋类消费量的大幅度增加，使得我们的优质蛋白质摄入量大大增加；

牛奶是最常见的乳制品，富含蛋白质、钙和多种维生素，尤其适合促进肌肉和骨骼的健康生长。

在中年小鼠中阻断这种称为IL-11的蛋白质可促进新陈代谢，减少虚弱，并将寿命延长约25%。