新型AI模型精准定位蛋白质离子结合位点

由Constructor大学及Constructor Labs研究团队开发的深度学习模型BiteNetI，近日发表于《Communications Biology》期刊。该模型能够直接在三维蛋白质结构中精准定位14种关键生物离子的结合位点，为解析蛋白质功能与加速新药研发提供了高效工具。 蛋白质功能的发挥高度依赖钙、钾、钠等离子的协同作用，传统实验测定与计算预测方法往往耗时昂贵或仅针对单一离子。BiteNetI创新性地引入图像识别技术，将蛋白质结构转化为三维网格，通过扫描11种原子类型进行多任务预测。模型基于逾1.2万个蛋白复合物及3.5万精准离子映射数据训练，仅需数秒即可完成分析，速度较传统分离子预测方案提升约10倍。在权威基准测试中，BiteNetI对钙、钾、镁等生理关键离子的预测准确率较现有方法提升两至三倍，表现优于AlphaFold 3及多款专用算法。研究同时证实，引入水分子环境及兼容冷冻电镜等成像数据均能进一步提升精度。 团队已将BiteNetI作为开源网页工具上线，支持免注册直接调用。研究人员指出，针对特定任务的紧凑型模型在效率与精度上具备显著优势。未来工作将致力于构建能够统一识别各类分子结合位点的通用架构，进一步打破计算生物学与靶向药物设计的研发瓶颈。