新算法或将革新药物开发的方式

编译：行肖

来源：Phys.org

多伦多大学开发的一组新的机器学习算法可以生成小分子蛋白质的3D结构，这将有可能改变一系列疾病药物疗法的发展。图片来源：Structura Biotechnology公司

由多伦多大学研究人员开发的一组新的机器学习算法可以产生小蛋白质分子的3D结构，这可能会改变从阿尔茨海默病到癌症等一系列疾病药物疗法的发展。

多伦多大学的博士生Ali Punjani参与了算法的开发，他说：“要设计出成功的药物就像解决一个谜题，但是如果不知道蛋白质的三维形状，就像是被带着眼罩来解决这个问题一样。”。

Punjani指出，拥有确定蛋白质分子3D原子结构的能力是至关重要的，因为这可以帮助我们了解它们是如何工作的以及它们将如何对药物治疗产生反应。

药物一旦进入体内，就会通过与特定蛋白质分子相结合并改变其3D形状的方式来改变其作用的方式。理想的药物应该被设计成只能结合一种或多种参与疾病的特定蛋白质的形状，同时消除由此产生的副作用。

这组新算法使用显微镜成像重建了蛋白质分子的3D结构。由于蛋白质是相当微小的，甚至比光的波长还小，因此如果不借助于电子冷冻显微镜（cryo-EM）等复杂技术的话，人类无法直接用肉眼观察到。这种新方法彻底改变了科学家发现蛋白质3D结构的方式，使得我们可以研究过去许多根本无法被研究的蛋白质。

图片来源：Structura Biotechnology公司

Cryo-EM是独一无二的，因为它使用大功率显微镜从不同位置接收成千上万的冷冻蛋白质样品的低分辨率图像。计算的问题就在于如何将这些低分辨率的二维图像拼凑成正确的高分辨率的三维结构图像。

多伦多大学计算机与数学科学系主任、Punjani的博士生导师David Fleet教授说：“我们的方法解决了药物结构确定过程中数量和速度上的主要问题。”

Fleet先前的博士后研究员Marcus Brubaker共同参与了算法的开发，他现在是约克大学的助理教授。Brubaker说：“现有技术需要几天甚至几周的时间才能在计算机集群上生成3D结构，但我们的方法只需要一台计算机就可以在几分钟内完成。”这些算法可以对新药的开发起到很大的作用，因为它们提供了更快更有效的方法来获得正确的蛋白质结构。

Punjani补充说，现有技术通常容易产生不正确的结构，除非用户能够对正在研究的分子提供准确的猜测，而他们的方法新颖之处在于不再需要研究人员对所研究的蛋白质分子拥有足够的知识储备。

“我们希望这能够使结构生物学中的发现以突破性的速度出现，”Punjani说。“最终目标是直接发现疾病的候选新药，并使人类更深刻地了解原子水平上的生命机制。

该研究与加拿大电子低温显微镜加研究所主席John Rubinstein教授合作，获得了加拿大自然科学和工程研究委员会（NSERC）的资助，也发表在了Nature Methods杂志的最新一期上。

点击阅读原文，查看更多精彩资讯与行业报告