麻省理工学院、IBM沃森AI实验室和塔夫茨大学研究人员采用了一种生成模型，其与DALL-E 2等AI系统中使用的机器学习模型架构相同，但研究人员调整了模型架构，以预测实现特定结构的蛋白质的氨基酸序列。
这一模型学习控制蛋白质形成方式的生化关系，产生超越自然界的新蛋白质，从而实现独特应用，例如，该工具开发的食品涂层可使农产品保鲜时间更长，同时保证食用安全。该模型还可在几天内就生成数百万种蛋白质，为科学家迅速提供可供探索的新可能。
研究人员此次构建了两个机器学习模型，以预测各种新氨基酸序列，这些氨基酸序列形成满足结构设计目标的蛋白质。一种模型在蛋白质的整体结构特性上起作用，另一种模型在氨基酸水平上起作用。两种模型都通过组合这些氨基酸结构来产生蛋白质。
这些模型与预测蛋白质折叠的算法相关联，研究人员使用该算法来确定蛋白质的3D结构。然后，他们计算其结果属性，并根据设计规范检查这些属性。测试显示，其与现有氨基酸序列存在部分重叠，在大多数情况下约有50%—60%，但也有一些全新的序列。相似程度表明，AI生成的许多蛋白质是可合成的。（记者张梦然）
【总编辑圈点】
近几年，人工智能在预测设计蛋白质结构方面的进展不断。这些研究成果的侧重点各有不同，比如有的可预测蛋白质合成的静态结构，有的可预测蛋白质合成的动态结构，有的可设计全新的蛋白质结构。总之，它们充分展示了人工智能在预测设计有机大分子结构方面的巨大潜力。从另一个角度来看，无机材料的微观组织结构，也是新材料研发攻关中的一大难题。人工智能是否能在这些领域取得突破，同样值得期待。
