AI にとって Proteins はまだ難問: 変化のある血液蛋白から得られた教訓 ブリュッセルの Interuniversity Institute of Bioinformatics、Vrije Universiteit Brussel の结构性生物学研究グループ、そして Gent University の IBiTech–BioMMedA Group の研究者が、炎症やがんに関与する重要な血液蛋白、アルファ-1-酸性グリコタンパク質（AGP）の複雑な振る舞いについて明らかにしました。この研究結果は、即使是最新且最強大的 AI 工具，理解這些動態生化過程仍有限制。 Dr. Bhawna Dixit 是在她的博士论文中进行这项研究的。她选择了 AGP 作为研究对象，因为它在人血浆中含量丰富，并且已知在调节免疫反应和与药物的相互作用中起关键作用。尽管已经对 AGP 进行了数十年的研究，其行为的全貌仍然未知，主要是因为该蛋白大量糖基化，这意味着它在其特定位点附着有复杂的糖分子（称为糖链）。这些糖链高度动态且多变，给 AGP 的结构带来了显著的复杂性。 通过分子模拟，Dixit 博士及其同事们证明，即使 AGP 中出现微小的基因突变（一些癌症患者中就发现了这些突变），也会极大地改变蛋白质的移动方式及其与药物的相互作用。当考虑到特定糖链的存在与否时，这种影响变得更加复杂，而糖链的变化则取决于身体的疾病或炎症状态。 “蛋白の一部、特に糖鎖が付いている部位にちょっととした変化があると、蛋白の挙動は全く異なるものになります”と Dixin 氏は述べています。“これは、個々の患者に対する精密医療の効果に真実の一端を示しています。” 研究チーム在《Journal of Molecular Biology》发表了一项后续研究，评估了 AlphaFold 是否能够捕捉到蛋白质中的各种灵活和动态区域。AlphaFold 以预测蛋白质结构而闻名，但对于刚性的蛋白质区域表现出色，而在准确建模灵活和动态区域时遇到了困难。通过将 AlphaFold 的预测与核磁共振谱学的实验数据进行比较，研究团队发现 AI 对蛋白质的这些灵活区域的表现过于简化了。 “AlphaFold は静的なタンパク質構造に基づいて訓練されていますが、実際には多くのタパク質、AGP 含め、常に動的です”と Dixit 氏は説明します。 “AI の予測結果をそのまま解釈するのは注意が必要です。特に、柔軟性や動的挙動が生物学的に重要となるタンパク質においては、その予測結果を実験データと照合する必要があります。” 研究结果强调了计算生物学领域的一个日益增长的担忧：虽然像 AlphaFold 这样的 AI 工具非常强大，但它们的训练数据缺乏关于复杂的蛋白质行为的信息，结果必须通过实验数据验证——尤其是在涉及实际生物疾病过程的蛋白质的情况下。 随着 AI 在生物医学研究中发挥越来越重要的作用，在这个过程中，人的参与、批判性思维和实验实践依然不可或缺。