AI语言模型新突破：精准靶向“不可成药”疾病蛋白

一项发表于《自然·生物技术》的新研究展示了人工智能在药物研发中的突破性应用：研究人员重新设计了一种AI语言模型，成功开发出可靶向并降解此前被认为“不可成药”的疾病相关蛋白的小分子药物。 该研究由麦克马斯特大学、杜克大学和康奈尔大学的多机构团队合作完成，其核心工具名为PepMLM。该模型基于原本用于理解人类语言的AI算法，经过训练后，能够“理解”蛋白质的“语言”——即氨基酸序列。与传统方法依赖蛋白质三维结构不同，PepMLM仅通过氨基酸序列即可设计出能精准结合目标蛋白的多肽分子，突破了以往对稳定结构的依赖。 这一突破意义重大。尽管2024年诺贝尔化学奖授予了谷歌DeepMind的AlphaFold系统，使其能预测蛋白质结构，但许多与癌症、神经退行性疾病和病毒感染相关的蛋白缺乏稳定结构，难以被传统药物靶向。PepMLM的出现，使这些“不可成药”靶点首次具备了被药物干预的可能性。 实验表明，PepMLM设计的多肽可在实验室中有效结合并降解多种致病蛋白，涵盖癌症、亨廷顿病、生殖障碍以及活病毒蛋白等。麦克马斯特大学博士生克里斯蒂娜·彭在特兰特实验室主导了亨廷顿病相关实验。她表示：“看到这些AI设计的多肽能在细胞内实际清除有毒蛋白，令人振奋，为传统疗法无效的疾病提供了全新希望。” 康奈尔大学的马修·德伊萨和赫克托·阿吉拉尔团队负责构建和测试针对病毒蛋白的多肽，而杜克大学的普拉纳姆·查特吉团队则主导了AI模型开发与初步验证。麦克马斯特大学的雷·特兰特教授指出：“这项工作意味着我们如今可以实现任意蛋白与任意蛋白的结合——不仅能降解有害蛋白，还能稳定有益蛋白或调控其修饰，实现多种治疗策略。” 目前，研究团队正推进下一代AI算法如PepTune和MOG-DFM，以提升多肽在体内的稳定性、靶向性和递送效率。查特吉表示：“我们的终极目标是打造一个通用、可编程的多肽药物平台，从一段氨基酸序列出发，最终实现真实世界的药物开发。”