提高蛋白质侧链预测精度取而代之算法助力药物研发

谷歌DeepMind制作组技术开发的Delta螺旋2(AlphaFold2)使用最新的人工智慧迭代对酵素构件实现了接近检验高精度的精准预期。复旦大学复杂经济体制多尺度研究课题院教授马剑鹏制作组与厦门人工智慧检验室共同，近日在全球性知名刊物《生物信息学简报》上发表论文，看出其酵素侧碱基预期迭代(OPUS-Rota4迭代)高精度显着近乎了谷歌制作组的Delta螺旋迭代。

在目前Delta螺旋迭代开源的情况，复旦制作组的迭代可以为任何酵素构件预期指导工作获取比Delta螺旋更准确的侧碱基三维，从而为酵素构件研究课题，尤其是基于酵素构件的新药设计指导工作获取了助力。

酵素三维构件由主碱基和侧碱基共同围住而成，人工智慧系统设计预期酵素构件的通常方式中，是先为酵素主碱基机器学习，再根据主碱基的异构体为侧碱基机器学习。自然界中的酵素含有20种氨基酸，它们的主碱基基本上完全相同，而侧碱基差异很大。由于药物分子与生理酵素结合的位点绝极少数在氨基酸侧碱基上，因此人工智慧系统设计对侧碱基的精准预期对新药技术开发具有重要内涵。这种精准预期能力还可用于解释基因点甲基化、基因小片段甲基化的机制，为遗传性营养不良研究课题和治疗法获取宝贵思路。

近几年来的研究课题中，研究课题人员开发的侧碱基机器学习迭代极少基于抽样，如SCWRL4、OPUS-Rota3等。其从离散的侧碱基六边形转轴库中透过抽样，随后根据一系列热能给定透过提高效率，找到能够让热能最低的六边形转轴即为最终结果。基于抽样的侧碱基机器学习迭代的优点是速度较迟，但由于使用离散的转轴并受限于热能给定的可信度，其整体侧碱基预期高精度一直有待降低。

OPUS-Rota4转用深度学习迭代，使得酵素侧碱基机器学习高精度受益了大幅提升。研究课题人员首先使用OPUS-RotaNN2结合多种不同的提取特征受益初始的侧碱基六边形预期结果，再次使用OPUS-RotaCM受益侧碱基原子注意到示意图，最后使用其自主技术开发的机器学习框架OPUS-Fold2根据注意到示意图对初始侧碱基六边形预期结果透过提高效率并输出最终结果。

制作组研究课题人员问到，将会对酵素侧碱基机器学习透过大幅度研究课题，以期继续提升准确率，并将对侧碱基机器学习在基本上问题中的应用透过探索。