Peneliti saka Institut Kimia Organik Shanghai ing Chinese Academy of Sciences wis ngembangake model intelijen buatan generatif sing prédhiksi interaksi protein-protein ing résolusi atom, miturut studi sing diterbitake ing Proceedings of the National Academy of Sciences (PNAS) tanggal 9 Juni 2026. wangun protein pisanan.
Karya, dipimpin dening Dr. Yang Jing, Yuan Junying, lan James J. Chou, disorot dening Akademi Ilmu Pengetahuan Cina lan dilapurake dening Phys.org. Iki nambah alat anyar menyang lapangan sing obah kanthi cepet ing ngendi AI saya akeh digunakake kanggo ngrancang mesin molekuler sing ndhukung obat-obatan, bahan, lan biologi sintetik. For more context on this story, see our ongoing artificial intelligence updates.
Kenapa interaksi protein-protein penting
Protein minangka workhorses molekuler awak manungsa. Dheweke mbangun jaringan, transportasi molekul, ngatur komunikasi seluler, lan mbela infeksi. Akeh obat sing paling penting - kalebu terapi antibodi kanggo kanker lan insulin kanggo diabetes - bisa digunakake kanthi sesambungan karo protein tartamtu utawa ngganti sing ilang utawa ora berfungsi.
Amarga akeh prosès biologis gumantung carane protèin ngiket siji lan sijiné, kemampuan kanggo prédhiksi kanthi akurat lan ngrancang interaksi protein-protein bisa nyepetake panemuan obat lan ngatasi kabutuhan medis sing ora bisa dicukupi. Kemajuan ing kene uga nglengkapi kemajuan cepet ing teknologi pangiriman kayata vektor virus sing ana gandhengane karo adeno lan nanopartikel lipid mRNA, sing nggawa molekul terapeutik menyang sel.
Pendekatan ngisor munggah tinimbang ndhuwur-mudhun
Umume kerangka AI sing ana kanggo desain protein ngetutake strategi ndhuwur-mudhun: pisanan ngasilake scaffold protein sakabèhé sing cocog karo situs target banjur ngrancang urutan kanggo ngoptimalake ikatan. Void-X ngowahi logika kasebut.
Model kasebut minangka sistem ngisi atom. Iki dilatih kanggo ngenali pola interaksi skala atom lan ngisi "kosong" - kesenjangan - ing antarmuka protein. Asumsi panuntune yaiku komplek makromolekul sing stabil digabungake kanthi pengepakan atom sing optimal, sing muncul saka interaksi lokal ing antarane atom tetangga lan uga kopling sing luwih dhuwur karo sing luwih adoh. Tinimbang ngrancang wangun protein kabeh, Void-X langsung ngasilake kluster atom kompak sing dioptimalake kanggo pengepakan sing ketat ing wilayah struktur sing ditemtokake, menehi desain pondasi fisik.
Dilatih ing wolung yuta klompok atom
Kanggo nglatih Void-X, para peneliti nglumpukake dataset luwih saka wolung yuta kluster atom bola sing digambar saka struktur sing ditemtokake sacara eksperimen sing disimpen ing Bank Data Protein. Kanggo saben kluster, kira-kira 30% saka periferal, atom sing cedhak spasial ditutupi topeng, dene atom sing isih ana minangka "konteks" - kanthi efektif minangka pituduh - sing model digunakake kanggo prédhiksi atom sing ilang.
Jaringan sing diasilake ngemot 172 yuta paramèter lan entuk akurasi prediksi sing kuat: 78,3% kanggo klompok atom intra-rantai lan 68,2% kanggo klompok antar rantai , lapor peneliti.
Apa tegese kanggo panemuan tamba lan ngluwihi
Miturut penulis, kapabilitas kasebut mbisakake interaksi protein resolusi atom de novo, menehi apa sing diterangake minangka rute pelengkap lan intuisi fisik kanggo desain protein. Kanthi nggabungake rincian tingkat atom karo model generatif, Void-X ngembangake toolkit kanggo antarmuka biomolekul rekayasa rasional.
Sing penting amarga desain antarmuka dumunung ing jantung pangembangan obat modern. Piranti komputasi sing luwih apik kanggo prédhiksi carane molekul calon bakal ikatan karo target protein bisa nyepetake dalan saka ide menyang terapi, nyuda katergantungan ing eksperimen coba-lan-salah sing larang regane, lan nggawe luwih gampang ngrancang protein kanggo fungsi sing anyar ing biologi sintetik.
Sawah sing tuwuh
Void-X teka ing tengah-tengah gelombang kerja protein sing didorong AI. Saka prediksi struktur nganti desain generatif kabeh-atom, peneliti terus-terusan nyurung kemampuan kanggo nggawe model interaksi biomolekul kanthi resolusi atom lengkap. Sistem generatif kabeh-atom sadurungé wis nduduhake kemungkinan ngrancang lan prédhiksi interaksi ing skala kasebut, lan Void-X nyumbang strategi packing-first sing béda kanggo upaya sing padha.
Trik masking sing ndadekake bisa
Metode latihan Void-X nyilih kaca saka buku dolanan model basa. Kanthi masking kira-kira 30% saka atom ing saben kluster latihan lan takon model kanggo nyimpulake saka konteks lingkungan, peneliti nguripake biologi struktural dadi tugas isi-in-the-kosong - prinsip padha sing ngijini model basa gedhe prédhiksi ilang tembung ing ukara. Bentenane yaiku "vocabulary" Void-X kasusun saka atom sing disusun ing ruang telung dimensi, lan tata basa sing disinaoni nggambarake aturan pengepakan fisik sing ngatur carane protein nyata melu lan ngiket.
Latihan sing ngerti struktur kasebut yaiku sing misahake Void-X saka pendekatan sing nganggep protein minangka urutan asam amino sing rata. Amarga model alasan babagan kopling atom lokal lan long-range bebarengan, bisa propose geometri antarmuka sing ngormati alangan fisik saka Komplek stabil, tinimbang prodhuksi desain masuk akal-looking nanging biologi boten stabil.
Watesan lan pitakonan mbukak
Asil kasebut janjeni, nanging para peneliti terus terang yen tantangan tetep ana. Akurasi antar-rantai 68,2% - cocog karo kompleks multi-protein sing nemtokake target obat-obatan sing paling nyata ing donya - tegese luwih murah tinimbang tokoh intra-rantai, sing nggambarake kesulitan sing luwih gedhe babagan model carane rong molekul sing kapisah teka bebarengan. Ngrancang antarmuka sing ngiket banget ing model komputasi uga mung langkah pisanan; calon isih kudu disintesis lan divalidasi eksperimen, lan interaksi prédhiksi bisa falter ing lingkungan messier saka sel urip.
Nggedhekake data latihan, nyaring model nangani wilayah protein sing fleksibel utawa ora teratur, lan nggabungake Void-X karo sistem top-down pelengkap minangka langkah sabanjure. Penulis nggawe kontribusi kasebut minangka teknologi pelengkap tinimbang teknologi panggantos - pilihan sing adhedhasar fisik kanggo digabungake karo perancah sing ana minangka balapan lapangan menyang desain molekuler sing dipercaya lan pungkasan.
Tren sing luwih jembar
Panliten kasebut, diterbitake ing DOI 10.1073/pnas.2607035123, menehi tandha yen kompetisi kanggo mbangun alat desain molekuler sing luwih akurat saiki lagi ditindakake - lan AI generatif dadi bagean sing ora bisa dipisahake saka meja kerja biokimia. Minangka model kaya Void-X mbatesi jurang antarane komputasi lan laboratorium, pangarep-arep yaiku para peneliti bisa ngrancang terapi, enzim, lan bahan anyar kanthi luwih cepet lan luwih rasional tinimbang sadurunge.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
