了解蛋白质如何相互作用对于开发新疗法和了解疾病至关重要。得益于计算的进步，由化学助理教授阿尔贝托·佩雷斯领导的研究小组开发了一种算法来识别这些分子相互作用。
佩雷斯的研究团队包括佛罗里达大学的两名研究生 Arup Mondal 和 Bhumika Singh，以及来自罗格斯大学和伦斯勒理工学院的几名研究人员。该团队在Angewandte Chemie 国际版上发表了他们的研究结果。
这种创新工具被命名为 AF-CBA Pipeline，在精确定位特定蛋白质的最强肽结合物方面提供了无与伦比的准确性和速度。它通过使用人工智能模拟分子相互作用来实现这一点，对数千个候选分子进行排序，以确定与感兴趣的蛋白质相互作用最好的分子。
人工智能驱动的方法允许管道执行这些操作，所需时间仅为人类或传统基于物理的方法完成相同任务所需的时间的一小部分。
“把它想象成一家杂货店，”佩雷斯解释道。 “当你想买最好的水果时，你必须比较大小和外观。水果太多了，当然无法全部尝试，所以你需要比较几个然后再做出选择。然而，这种人工智能方法不仅可以都尝试一下，但也能可靠地选出最好的一个。”
通常，感兴趣的蛋白质是当它们行为不当时对我们的身体造成最大损害的蛋白质。通过寻找哪些分子与这些有问题的蛋白质相互作用，该管道为对抗炎症、免疫失调和癌症等疾病的靶向治疗开辟了途径。
“了解最强肽结合剂的结构反过来有助于我们合理设计新药疗法，”佩雷斯说。
该管道的突破性本质在于其基于现有技术的基础：名为 AlphaFold 的程序。 AlphaFold 由 Google Deepmind 开发，利用深度学习来预测蛋白质结构。这种对熟悉技术的依赖将有利于研究人员使用该管道，并将有助于确保其未来的采用。
展望未来，佩雷斯和他的团队的目标是扩大他们的产品线，以获得进一步的生物学见解并抑制疾病病原体。他们瞄准了两种病毒：鼠白血病病毒和卡波西肉瘤病毒。这两种病毒都会导致严重的健康问题，尤其是肿瘤，并与目前未知的蛋白质相互作用。
“我们想要设计新颖的肽库，”佩雷斯说。 “AF-CBA 将使我们能够识别那些比病毒肽结合更强的设计肽。”