研究人员使用虚拟人群进行临床试验 人类发现关键细胞过程缺失 运动的潜意识变化可以预测阿尔茨海默病 全民医疗保健有益于结肠癌的生存 科学家发现促进癌症发展的新机制 新研究揭示了具有共同突变的癌症如何对靶向药物产生耐药性 炎症蛋白可能会减缓老年人的认知能力下降 荷兰研究发现兽医工作人员中常见抗生素抗性细菌 心血管疾病危险因素的快速进展可以揭示高危个体 新型lncRNA Caren可抑制心力衰竭进展 新的气味受体可以揭示驱除害虫的新方法 怀孕期间较高的硒和锰水平可能会保护婴儿免受未来的高血压 血液检测有望预测转移性HPV阳性喉癌的反应 视网膜层的粗糙度是一种新的阿尔茨海默氏症生物标志物 研究将儿童睡眠呼吸暂停与青少年高血压风险增加联系起来 牛奶蛋白可以帮助提高蓝莓的健康 与抗生素引起的结肠炎相关的细菌在控制体重方面发挥作用 NIH 科学家描述了内部和外部微生物群之间的多界对话 老鼠体内的褪黑激素比睡眠更重要 适应不良消费的三系统神经模型 患有未确诊痴呆症的老年人可能比之前认为的要多 科学家实时观察癌症如何演变 翻转心脏纤维化的分子开关 药物对骨癌和转移的影响翻倍 自组装水凝胶的开关可以促进伤口愈合等等 研究发现对细胞压力的异常反应与亨廷顿病有关 研究为通过干细胞疗法根除艾滋病毒提供了路线图 父母暴露于强烈的环境压力对珊瑚后代生理的影响 更光滑的硅胶乳房植入物可能会降低免疫系统反应的严重程度 食物蛋白质可以消除特级初榨橄榄油的辛辣和苦味 在类器官中研究炎症诱发的血脑屏障功能障碍 听力损失与儿童癌症幸存者的神经认知缺陷有关 研究发现肉毒杆菌毒素注射可以减轻抑郁症 脂肪填充多久后能看出来过量?张正鹏院长做修复怎么样? 爱尔眼科是私立医院吗?什么是干眼症? 爱尔眼科是莆田系吗?800度近视,该怎么选择近视手术 济宁金盾医院设备咋样 口碑好专业医院 广州艾美莎美容中心蜜糖保养皮肤效果 喜讯|我院荣获时代天使“战略合作”授牌,成为长沙首家被授牌的口腔医院 吴氏嘉美吸脂术之后的成效到底怎么样 晕车药有哪些?想知道盐酸苯环壬酯片效果?快戳进来! Ether chain奖金制度-Ether chain天鹰老师分享 杉宝解读:维持NAD+水平可减少急性缺血导致的脑损伤 赴美就医:美国癌症协会最新宫颈癌筛查指南出炉:25岁以内不建议筛查! 上海薇琳医院安全吗:亮瞳双眼皮后注意食物 Mordor报告:诺华、GSK、卢米纳或驱动PBC治疗市场年增长超10% 秃头治疗方法:章光101 从长计议与杭州盛美嘉合整形医院敲定合作方案 光疗发展历程100年,您需要光疗吗? 福州长根堂肝胆肾结石专科门诊部口碑怎么样?精确诊疗口碑好
您的位置:首页 >Science杂志 > 分子 >

ProteinGAN:生成对抗性网络

蛋白质很大,高度复杂,并且在所有活生物体中都可以发现天然存在的分子。这些独特的物质由氨基酸组成,这些氨基酸通过肽键连接在一起形成长链,可以具有多种功能和特性。

排列不同氨基酸形成给定蛋白质的特定顺序最终决定了蛋白质的3D结构,理化性质和分子功能。尽管科学家们已经研究蛋白质数十年,但迄今为止,设计引发特定化学反应的蛋白质已被证明具有很高的挑战性。

立陶宛维尔纽斯大学和瑞典查尔默斯理工大学Biomatter Designs的研究人员最近开发了ProteinGAN,这是一种生成性对抗网络(GAN),可以处理和“学习”不同的天然蛋白质序列。这个独特的网络在《自然机器智能》上发表的一篇论文中提出,随后利用其获取的信息来生成新的功能蛋白序列。

负责这项研究的查尔默斯理工大学副教授Aleksej Zelezniak告诉Phys.org:“蛋白质是使所有生命系统中发生过程的一系列氨基酸序列,诱导人类。” “蛋白质在我们的日常生活中是常用的,从洗衣粉到抗癌和的治疗方法中,无数种产品都包含这种蛋白质。它们由20种氨基酸组成,这些氨基酸以不同的顺序排列,其顺序决定了蛋白质的功能。”

创建功能性蛋白质序列是一项非常具有挑战性的任务,因为即使是给定序列的轻微改变也会使蛋白质失去功能。非功能蛋白可能具有有害和不良影响,例如导致人类或动物患上癌症或其他疾病。

泽勒兹尼亚克说:“如果要使蛋白质与人的需要相一致,他/她就需要正确地理解氨基酸的顺序以及制造这些蛋白质的给定的天文数字,这并不是一件容易的事。” “受AI最新发展的启发,特别是逼真的照片和视频生成,我们很想知道当前的AI技术是否准备好生产人类已知的最复杂的分子-蛋白。”

Zelezniak及其同事开发的ProteinGAN模型基于一种称为对抗学习的著名机器学习方法。对抗学习可以看作是由两个或多个人工神经网络“玩”的游戏。这些网络中的第一个被称为“生成器”,它生成特定类型的数据(例如,图像,文本,或者在ProteinGAN的情况下为蛋白质序列)。第二个网络称为“判别器”,它试图区分由“生成器”创建的人工数据(例如蛋白质序列)与真实数据还是真实数据。

随后,生成器使用鉴别器提供的反馈(即,允许其区分生成数据和真实数据的特性)生成新数据。生成器从不处理或分析实际数据及其生成的数据。因此,其学习仅依赖于鉴别者进行的分析结果。

Zelezniak说:“通过反复地重复这一过程,两个网络在做事上都变得更好,直到无法将生成的序列与真实的序列区分开。” “使用我们开发的AI工具,我们能够生成活跃但不存在或尚未发现的功能蛋白。”

在研究人员进行的初步试验中,ProteinGAN产生了新的高度多样化的蛋白质序列,其物理性质类似于天然蛋白质序列。Zelezniak和他的同事使用苹果酸脱氢酶(MDH)作为模板酶,表明ProteinGAN产生的许多序列都是可溶的,并表现出MDH催化活性,这意味着它们在医学和研究环境中可能具有有趣的应用。将来,ProteinGAN可以用于发现具有不同特性的新蛋白质序列,这可能对多种技术和科学应用都具有重要价值。

Zelezniak说:“我们的研究实验室专注于基于人工合成生物应用的AI技术。” “我们目前正在努力解决诸如塑料污染等新出现的问题,我相信人工智能将有助于建立更好的有机体,以适应这一特殊问题。”

标签:

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。