蛋白质的功能由其结构决定，而结构——即蛋白质的折叠方式——则由氨基酸序列决定。氨基酸是蛋白质的基本构成单元。
目前，许多设计新型蛋白质的方法，包括那些能够与人体内致病分子结合的蛋白质，通常采用两步流程：先确定结构，再由机器学习框架生成一组可能采用该结构的候选序列。
在自然界中，许多不同的氨基酸序列可以折叠成相同的结构。与此同时，同一氨基酸序列也可能因蛋白质的柔性或功能触发机制而呈现出不同结构。因此，当研究人员借助人工智能设计新蛋白质时，核心挑战在于引导AI"看到"多种可能有效的答案——即许多序列都能折叠成同一种结构。
"多年来，该领域衡量成功的标准是：模型能否还原进化过程中自然选择出的蛋白质序列。但我们的研究表明，这并非蛋白质设计的最佳评估指标。"麻省理工学院生物学系主任、Jay A. Stein（1968届）生物学讲席教授、生物工程学教授Amy E. Keating说道。她也是近期发表于《美国国家科学院院刊》（PNAS）这篇论文的通讯作者。
PottsMPNN是麻省理工学院生物学系开发的一种新型机器学习框架。该框架融入了支配蛋白质结构与稳定性的物理学原理，从而改善了序列生成能力，并提升了预测突变对蛋白质稳定性影响的精度。换言之，该模型对"序列-能量景观"有更深入的理解，即每个氨基酸的身份与蛋白质稳定性之间的关系。
将这一框架引入蛋白质设计流程，研究人员将能够设计出结构合理、且序列与任何天然蛋白质都不相似的全新蛋白质。
"如果我们考虑的是一种全新的设计结构，就没有天然序列可供比较，"论文第一作者、研究生Foster Birnbaum表示，"我们真正关心的是：生成的序列折叠成目标结构的可能性有多大，模型对序列-能量景观的理解有多深，以及它预测突变对蛋白质稳定性影响的能力有多强。"
超越噪声
正如人工智能近年来推动了深刻的社会变革，机器学习同样极大地加速了基础生物学研究的步伐与广度。能够可靠地利用计算模型生成蛋白质结构或序列，也是近年来才成为现实。然而，目前应用最广泛的相关模型发布于2022年。
"在机器学习与生物学交叉这一快速发展的领域，那个模型至今仍未被超越。我们一直在思考其中的原因，以及究竟是什么让它如此实用，"Birnbaum说。
Birnbaum最初对研究人员所称的"噪声"的策略性应用产生了兴趣——即在训练过程中向蛋白质结构中添加变体。噪声能够降低模型过度模仿天然序列的倾向，从而提高其能够生成序列的结构多样性。
PottsMPNN还采用了成对分布来捕捉氨基酸之间的相互作用。能够考虑蛋白质某对位置上20种可能序列选项之间的物理相互作用，是PottsMPNN比其他方法更精确地建模序列-能量景观的关键原因。
此外，Birnbaum表示，他们在PottsMPNN框架的训练中引入了一组进化相关序列，以教导模型不同序列如何折叠成相同的三维结构。
Birnbaum坦承，在尝试减少对天然序列依赖的同时，引入进化信息在某种程度上仍是对天然序列的借用。但PottsMPNN的实验结果表明：随着模型对天然序列的依赖程度不断降低，对结构相容性和能量的预测精度（包括针对新型蛋白质的预测）反而得到了提升。
AI时代的蛋白质设计
"一旦我们能够随心所欲地设计任何蛋白质，就意味着我们能够进行数量惊人的生物工程应用——这既令人振奋，也让人心存敬畏，"Birnbaum说，"这是一项极具挑战性的任务，但我对这个世纪生物学领域的进展充满乐观。"
Birnbaum希望该模型能够进一步优化，并针对特定任务进行微调。过去的经验表明，这种做法能够带来更好的预测结果，例如更准确地预测某种特定突变的影响或后果。
Keating总结道："我们的方法推动该领域朝着设计有实用价值的自然界全新蛋白质方向迈进，同时也为未来的进一步突破奠定了更坚实的基础。"
Q&A
Q1：PottsMPNN框架和现有蛋白质设计方法有什么不同？
A：PottsMPNN在训练过程中融入了支配蛋白质结构与稳定性的物理学原理，并采用成对分布来捕捉氨基酸之间的物理相互作用。与现有方法相比，它能更精准地建模序列-能量景观，即每个氨基酸身份与蛋白质稳定性之间的关系，同时还在训练中引入了进化相关序列，帮助模型理解不同序列折叠成相同结构的规律。
Q2：为什么蛋白质设计不能只依赖天然序列？
A：在自然界中，许多不同氨基酸序列可以折叠成相同结构，因此天然序列并非唯一正确答案。MIT研究团队指出，用"能否还原进化选择出的天然序列"来衡量模型好坏，并非最佳评估标准。研究人员真正关心的是生成序列折叠为目标结构的可能性，以及模型对突变影响的预测能力。对于全新设计的蛋白质结构，更不存在天然序列可供参照。
Q3：PottsMPNN框架未来有哪些应用前景？
A：PottsMPNN有望被进一步优化和微调，应用于特定任务，例如更精准地预测某种突变对蛋白质稳定性的影响。从更宏观的角度看，该框架可帮助研究人员设计出自然界中不存在的全新蛋白质，为疾病治疗、生物工程等领域提供新的可能性。研究团队认为，这一方法将推动该领域朝着设计多种用途的自然界全新蛋白质方向迈进。
