記者1月8日從安徽大學獲悉，該校人工智能學院葉盛教授、孫長銀教授與中國科學技術(shù)大學江俊教授等合作，在國際上首次成功利用人工智能、分子動力學模擬和量子化學理論計算方法，高效準確地模擬了完整真實蛋白質(zhì)的Amide Ⅱ區(qū)域紅外光譜，為蛋白質(zhì)的氫鍵動態(tài)學研究提供了堅實的理論和技術(shù)支持。相關(guān)研究成果日前發(fā)表在國際學術(shù)期刊《美國化學會志》上。
蛋白質(zhì)在生命中扮演著重要角色，其功能與其不斷演化的動態(tài)結(jié)構(gòu)密切相關(guān)。雖然近年來以AlphaFold系列為代表的人工智能模型，在解析蛋白質(zhì)的靜態(tài)結(jié)構(gòu)方面取得了巨大進展，但卻無法用于研究蛋白質(zhì)動態(tài)結(jié)構(gòu)的演化過程。Amide Ⅱ區(qū)域紅外光譜作為蛋白質(zhì)的“光學指紋”，能夠提供蛋白質(zhì)分子動態(tài)結(jié)構(gòu)變化的詳細信息，在蛋白質(zhì)動力學研究中發(fā)揮著關(guān)鍵作用。然而，解析這些譜學信號需要在復雜波動環(huán)境中進行昂貴的量子力學計算。迄今為止，尚無一種方法能夠高效準確地模擬完全真實蛋白質(zhì)的Amide Ⅱ光譜，這嚴重限制了其在蛋白質(zhì)動態(tài)結(jié)構(gòu)研究中的應(yīng)用。
為解決這一問題，研究人員創(chuàng)新性地將人工智能、分子動力學模擬和量子化學理論計算技術(shù)相結(jié)合。通過結(jié)合物理信息的分子描述符從而建立了可解釋人工智能模型，可用于高效準確模擬任意蛋白的Amide Ⅱ光譜，并且與傳統(tǒng)的量子化學計算方法相比，速度提高了至少五個數(shù)量級。更重要的是，所建立的機器學習模型具有優(yōu)秀的可遷移性，可以預測訓練集范圍以外的蛋白質(zhì)光譜響應(yīng)，模擬不同狀態(tài)下的信號變化，從而分辨蛋白質(zhì)的二級結(jié)構(gòu)、考察溶液pH條件的影響、實時跟蹤蛋白質(zhì)折疊等。
研究人員表示，這項研究將先進的人工智能機器學習技術(shù)與量子化學理論方法相結(jié)合，體現(xiàn)了“AI for Science”的新興研究范式。
（安徽大學供圖）
中國-博士人才網(wǎng)發(fā)布
聲明提示：凡本網(wǎng)注明“來源：XXX”的文/圖等稿件，本網(wǎng)轉(zhuǎn)載出于傳遞更多信息及方便產(chǎn)業(yè)探討之目的，并不意味著本站贊同其觀點或證實其內(nèi)容的真實性，文章內(nèi)容僅供參考。
