蛋白質是生命的基礎，并且在所有生物過程中都起著關鍵作用。因此，了解它們如何與環境相互作用對于開發有效的**方法和設計人造細胞的基礎至關重要。
EPFL工程學院生物工程研究所的蛋白質設計和**工程實驗室(LPDI)的研究人員與USI-Lugano，帝國理工學院以及Twitter的圖學習研究部門的合作者一起開發了突破性的機器學習驅動型預測這些相互作用并僅根據表面外觀描述蛋白質生化活性的技術。除了加深我們對蛋白質功能的認識外，這種稱為MaSIF的方法還可以支持為明天的人造細胞開發基于蛋白質的成分。研究小組在《自然方法》雜志上發表了研究結果。
數據驅動的研究
研究人員獲取了大量蛋白質表面數據，并將其化學和幾何性質輸入到機器學習算法中，對其進行訓練，以使這些性質與特定的行為模式和生化活性相匹配。然后，他們使用剩余的數據來測試算法。研究的**作者Pablo Gainza說：“通過掃描蛋白質的表面，我們的方法可以定義指紋，然后可以在蛋白質之間進行比較。”
研究小組發現，執行相似相互作用的蛋白質具有共同的“指紋”。
LPDI主管Bruno Correia說：“該算法每秒可以分析數十億個蛋白質表面。”“我們的研究對人工蛋白質設計具有重要意義，它使我們能夠僅通過改變蛋白質的表面化學和幾何特性來對其進行編程，使其具有某種特定的行為。”
該方法以開源格式發布，也可以用于分析其他類型分子的表面結構。
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請聯系我們修改或刪除，多謝。
