「002255」AI：新药研发要十几年？不，我只需要几周

有数据显现，新药研制周期均匀需求6-7年，而一款药物从研制到成功上市至少需求十年的时刻以及26亿美元的资金投入。凭借人工智能，现在从计算机规划到组成有用蛋白，只需求几个星期。

瑞典查尔默斯理工大学的研讨人员最近开发了一种根据AI的办法，称为ProteinGAN，该办法运用了生成型深度学习办法。

蛋白质是大而杂乱的分子，在所有活细胞中起着至关重要的效果，它们会自然地构建，润饰和分化咱们细胞内的其他分子。以蛋白质为根底的药物十分遍及。糖尿病药物胰岛素是医师开具最多的药物之一。一些最贵重和有用的抗癌药物也是根据蛋白质的，包含现在用于反抗新冠病毒的抗体配方。

用于蛋白质工程的当时办法依赖于将随机骤变引进蛋白质序列。可是，每引进一个额定的随机骤变，蛋白质活性就会下降。因而，有必要进行多轮十分贵重且耗时的试验，筛选出数百万个变体，以改造终究与自然界发现的蛋白质和酶天壤之别的蛋白质和酶。

感谢科技，运用ProteinGAN，现在咱们可以在短短几周内从计算机规划过渡到作业蛋白。

ProteinGAN先是剖析处理很多来自经过深入研讨的蛋白质的数据，然后测验创立新的蛋白质。一起，体系还需求弄清楚组成蛋白是否是存在。蛋白质在体系中来回发送，直到AI不再区别天然和组成蛋白质停止。

研讨团队运用苹果酸脱氢酶(MDH)作为模板酶，经过试验，ProteinGAN生成和试验测验的序列中有24%(在55个测验中占13个)是可溶的，并在体外测验条件下(包含106个氨基酸替代的高度骤变变体)显现出MDH催化活性。因而，ProteinGAN证明了人工智能在序列空间答应的生物学约束内快速生成高度多样化的功用蛋白的潜力。

研讨人员的下一步是探究怎么将该技能用于蛋白质特性的特定改善，例如进步稳定性，这可能会对工业技能中运用的蛋白质发生极大的优点。

下降蛋白质工程规划的速度关于下降酶催化剂的开发本钱十分重要。这是完成环境可继续的工业流程和消费产品的要害。而该研讨提出的AI模型将可以完成这一方针，为许多未来的使用供给了巨大的潜力。