AI预测蛋白质受限：复杂糖分子影响AGP行为的新发现

一项由布鲁塞尔跨大学生物信息研究所、布鲁塞尔自由大学结构生物学研究小组和根特大学IBiTech–BioMMedA研究团队合作完成的研究揭示了血液中一种重要蛋白——α1酸性糖蛋白（AGP）——在炎症和癌症中的复杂行为。这项研究表明，即使是最强大的人工智能工具，在理解和预测这种动态生物过程方面也有局限性。 研究人员之一、博士生Bhawna Dixit特别关注了AGP蛋白，因为它在人类血浆中含量丰富，并且在调节免疫反应和药物交互作用中扮演关键角色。经过多年研究，人们对其完整行为仍知之甚少，主要原因是该蛋白具有复杂的糖基化修饰，即其特定位置附着有高度动态和多变的糖分子（称作聚糖）。这些聚糖的存在使得蛋白质结构非常复杂，增加了研究的难度。 通过分子模拟实验，Dixit及其团队发现，即使是AGP蛋白上的微小基因变异也会显著改变其运动方式以及与药物的交互作用。而这些效应在特定聚糖的存在或缺失时会变得更加复杂，因为聚糖的变化与炎症或疾病状态紧密相关。“蛋白上一个细小的变化，尤其是靠近聚糖附着点的位置，可能会彻底改变它的行为。”Dixit博士说，“这对于精准医疗的实施具有深远的意义。” 在随后发表于《分子生物学杂志》的一项研究中，研究人员测试了著名的人工智能系统AlphaFold，该系统以其能预测蛋白质结构而著称。尽管AlphaFold对蛋白质的刚性部分预测得相当准确，但它在模拟灵活性和动态区域时遇到了困难。Dixit解释说：“AlphaFold是基于静态表示训练的，但许多蛋白质，包括AGP，实际上并非静态而是非常灵活的。” 研究人员将AlphaFold的预测结果与来自核磁共振光谱的实验数据进行了对比，发现AI模型过于简化了蛋白质柔性区域的表述。这进一步强调了计算生物学领域内日益增长的一个担忧：尽管像AlphaFold这样的人工智能工具功能强大，但其训练数据缺少关于复杂蛋白质行为的信息，结果必须通过实验数据来验证，特别是对于那些参与真实世界生理病理过程的蛋白质来说更是如此。 这项工作提醒人们，随着人工智能技术不断推动生物医学研究的进步，批判性思维、实验验证以及人类的专业知识仍然是不可或缺的。只有结合人工智能的力量与人类的洞察力，才能更全面、更准确地理解蛋白质复杂的动态特性。