Nature | 生成式人工智能如何构建更好的抗体
疫情高峰期,研究人员竞相开发一些首批有效的COVID-19治疗方法:从已经康复的人的血液中分离出来的抗体分子。
现在,科学家已经证明,生成式人工智能(AI)可以通过一些繁琐的过程提供捷径,提出增强抗病毒(如SARS-CoV-2和埃博拉病毒)抗体效力的序列。上周在《自然·生物技术》杂志上发表的一项研究是日益增长的努力的一部分,这些努力是应用类似于ChatGPT人工智能平台背后的“神经网络”来进行抗体设计。
包括乳腺癌和类风湿性关节炎在内的疾病的抗体药物每年在全球销售额超过1000亿美元。研究人员希望生成式人工智能——能够根据学习的模式创建文本、图像和其他内容的神经网络——将加速开发并有助于解锁对传统设计方法进行抵抗的靶向抗体药物。
“人们对发现和工程化抗体以及如何使抗体更好的兴趣非常浓厚,”斯坦福大学的生物化学家彼得·金(Peter Kim)说。
免疫武器
抗体是免疫系统抵御感染的关键武器之一。这些蛋白质已经成为生物技术行业的宠儿,部分原因是它们可以被工程化以附着于几乎任何想象得到的蛋白质上以操纵其活性。但是生成具有有用特性的抗体和改进这些特性需要“大量的暴力筛选”,斯坦福大学的计算生物学家布赖恩·海(Brian Hie)说,他也是该研究的共同主导者。
为了查看生成式人工智能工具是否可以减少一些麻烦工作,Hie, Kim和他们的同事使用了名为蛋白质语言模型的神经网络。这些模型类似于ChatGPT等工具的“大语言模型”。但是,蛋白质语言模型不是输入大量文本,而是在数千万个蛋白质序列上进行训练。
其他研究人员已经使用这样的模型设计全新的蛋白质,并帮助高精度地预测蛋白质的结构。Hie, Kim的团队使用了由总部位于纽约的科技巨头Meta旗下的Meta AI研究人员开发的蛋白质语言模型,来提出一些针对抗体的小数量的突变建议。
该模型仅仅在几千个抗体序列上进行了训练,而其中学习的近1亿个蛋白质序列。尽管如此,该模型的建议中有令人惊讶的高比例增强了抗体对SARS-CoV-2、埃博拉病毒和流感病毒等病毒结合其靶标的能力。
针对治疗埃博拉的疗法和治疗COVID-19的疗法的改进提高了这些分子识别和阻断这些病毒感染细胞所使用的蛋白质的能力。
Hie, Kim说,许多建议针对抗体的变化发生在与其靶标相互作用的蛋白质区域之外,而这通常是工程努力的重点。“这个模型正在探索完全或大部分对抗体工程专家来说甚至是非常不明显的信息,”。
全新的蛋白质
“这是人们将用来改进其抗体的工具,”英国牛津大学免疫信息学研究员夏洛特·迪恩说。“我认为这非常棒。”但她补充说,许多研究人员希望与其仅仅改进现有的抗体,生成式人工智能将能够创建全新的抗体来结合特定的靶标。
这种能力可以帮助研究人员开发针对其他抗体设计方法无法攻克的分子靶点的药物,位于马萨诸塞州波士顿的公司Nabla Bio的联合创始人Surge Biswas表示。
例如,人工智能可以帮助解决G蛋白偶联受体(G-protein-coupled receptors)这类蛋白质的设计,这是一类嵌入到细胞膜中的蛋白质,涉及神经学疾病、心脏病和无数其他疾病。Biswas称,生成式人工智能还可以帮助设计能够结合多个目标(例如,肿瘤蛋白和能够杀死该肿瘤的免疫细胞)的抗体药物。
斯坦福大学生物工程师Possu Huang表示,蛋白质语言模型非常强大,能够优化现有的蛋白质,包括抗体。但是,仅基于蛋白质序列进行训练的模型可能难以设计出真正新颖的抗体来识别指定的蛋白质。
研究人员表示他们正在取得进展。今年3月,华盛顿州温哥华的生物技术公司Absci的科学家在bioRxiv服务器上发布了一篇预印本文章,报告了他们使用了包含蛋白质序列和实验数据的模型,生成了用于治疗乳腺癌的抗体药物的几个重要区域的新设计,他们称这是使用人工智能制造新型抗体的第一步。
设计全新的抗体的一个关键挑战是它们识别特定目标的能力取决于抗体结构中的弯曲环。研究人员表示,这些相互作用很难用人工智能建模。
参考资料
Hie, B. L. et al. Nature Biotechnol.
https://doi.org/10.1038/s41587-023-01763-2 (2023).
Shanehsazzadeh, A. et al. Preprint at BioRxiv
https://doi.org/10.1101/2023.01.08.523187 (2023).
Eguchi, R. R. et al. Preprint at BioRxiv
https://doi.org/10.1101/2022.12.22.521698 (2022).
https://www.nature.com/articles/d41586-023-01516-w
Nature | 生成式人工智能如何构建更好的抗体相关推荐
- 【失业预告】生成式人工智能 (GAI)AIGC
文章目录 AIGC GAI AGI 应用 1. 计算机领域 2. 金融领域 3. 电商领域 4. C端娱乐 5. 游戏领域 6. 教育领域 7. 工业领域 8. 医疗领域 9. 法律领域 10. 农业 ...
- AI未来十年新范式,生成式人工智能的挑战与机遇
目录 0 写在前面 1 什么是生成式模型? 2 生成式模型的挑战 3 自主智能新架构 4 持续学习与表征解耦 4.1 学习范式 4.2 学习架构 5 生成式AI与元宇宙 6 智慧文档:赋能数字化转型 ...
- 斯坦福团队是如何构建更好用的聊天 AI 呢?
作者:Standford AI 译者:Yang 来源:数据实战派 2019 年,凭借着 Chirpy Cardinal 机器人,斯坦福首次在 Alexa Prize Socialbot Grand C ...
- 【NLP】3篇论文,看斯坦福团队如何构建更好用的聊天AI
作者:Standford AI 译者:Yang 2019 年,凭借着 Chirpy Cardinal 机器人,斯坦福首次在 Alexa Prize Socialbot Grand Challenge ...
- 生成式人工智能所面临的问题有哪些?
在生成式人工智能中工作需要混合技术.创造性和协作技能.通过发展这些技能,您将能够在这个令人兴奋且快速发展的领域应对具有挑战性的问题. 生成式人工智能是指一类机器学习技术,旨在生成与训练数据相似但不完全 ...
- AI与大数据结合,有效提高预测,构建更好的内容营销
目前AI大数据已经辅助预测地震,通过机器学习更好地了解地震的特性,人工智能可以大大提高其准确性,有助于预测地壳破裂的方向和强度.AudaTarget的人工智能使用来自保险公司的两年数据来"帮 ...
- ogc是一个非营利性组织_一个非营利组织如何在为用户构建更好的数字平台时省钱...
ogc是一个非营利性组织 by Rebecca Radding 由丽贝卡·拉丁(Rebecca Radding) 一个非营利组织如何在为用户构建更好的数字平台时省钱 (How one nonprofi ...
- AQR:构建更稳健的商品期货组合
量化投资与机器学习微信公众号,是业内垂直于量化投资.对冲基金.Fintech.人工智能.大数据等领域的主流自媒体.公众号拥有来自公募.私募.券商.期货.银行.保险.高校等行业30W+关注者,连续2年被 ...
- 天池下的瑞金医院MMC人工智能辅助构建知识图谱
浅谈知识图谱------天池下的瑞金医院MMC人工智能辅助构建知识图谱 前言 数据说明 问题 网络模型和效果展示 代码 实体的定义和处理 句子的切分和处理 代码和数据集: 前言 知识图谱是个很大的概念 ...
最新文章
- 人工神经网络秒变脉冲神经网络,新技术有望开启边缘AI计算新时代
- 高级持续性威胁检测无法检测出自定义恶意软件?
- 在python中给自己介绍对象笔记--OO面向对象
- libev源码分析---整体设计
- Java是类型安全的语言,而C++是非类型安全的?【解释】
- 关于Verilog的可综合性
- 2018/7/10-纪中某C组题【jzoj3792,jzoj3793,jzoj3794】
- Vue第二部分(1):组件基础学习
- wangeditor php上传本地图片,wangEditor 本地上传图片配置
- ASP.NET XML高级编程(一、XML技术简介)
- 【转载】RESTful 架构风格概述
- Septentrio RAIM+接收机自主完好性监测实验
- Python语法基础
- Java关键字与保留字
- UART、RS232、RS485协议简单总结
- 零成本抖音赚钱小项目,轻松操作、潇洒获利,完整版笔记分享给你
- Rank Scores(分数排序)
- origin出图重合部分变色了,怎么办?
- linux trac git,Trac+git 来管理wiki和source code
- 如何设计一个分布式环境下全局唯一的发号器