近日，天鶩科技創(chuàng)始人&首席科學(xué)家洪亮教授團(tuán)隊(duì)，在生物信息學(xué)和人工智能研究領(lǐng)域的國(guó)際權(quán)威學(xué)術(shù)期刊JCIM（Journal of Chemical Information and Modeling）上發(fā)表最新研究成果：“基于微環(huán)境感知圖神經(jīng)網(wǎng)絡(luò)構(gòu)建指導(dǎo)蛋白質(zhì)定向進(jìn)化的通用人工智能”（Protein Engineering with Lightweight Graph Denoising Neural Networks）。在此項(xiàng)研究中，該團(tuán)隊(duì)設(shè)計(jì)了一種微環(huán)境感知圖神經(jīng)網(wǎng)絡(luò)ProtLGN。ProtLGN能夠從蛋白質(zhì)三維結(jié)構(gòu)中學(xué)習(xí)有益的氨基酸突變位點(diǎn)，建立自然選擇下的氨基酸序列分布，用于指導(dǎo)蛋白質(zhì)氨基酸位點(diǎn)設(shè)計(jì)，最終實(shí)現(xiàn)蛋白質(zhì)指定功能的提升。

根據(jù)研究介紹，在生物化學(xué)實(shí)驗(yàn)的基礎(chǔ)上，課題組證實(shí)了ProtLGN是一項(xiàng)通用的人工智能方法，在極少甚至沒有實(shí)驗(yàn)數(shù)據(jù)的情況下，成功地實(shí)現(xiàn)了針對(duì)特定蛋白質(zhì)性質(zhì)的定向進(jìn)化，包括提高抗體的親和力和穩(wěn)定性、增強(qiáng)多種熒光蛋白的熒光強(qiáng)度，以及提升核酸內(nèi)切酶的DNA切割活性。這是全球首次也是唯一一次經(jīng)濕實(shí)驗(yàn)驗(yàn)證，我們可以通過建立通用人工智能，在極少實(shí)驗(yàn)數(shù)據(jù)甚至無(wú)實(shí)驗(yàn)數(shù)據(jù)下實(shí)現(xiàn)不同蛋白特定性質(zhì)的定向進(jìn)化。

人工智能的進(jìn)步正在改變生命科學(xué)領(lǐng)域的研究方法和思維范式，尤其是在生物醫(yī)藥領(lǐng)域，而蛋白質(zhì)設(shè)計(jì)作為該領(lǐng)域的關(guān)鍵技術(shù)之一，正受到人工智能技術(shù)的深刻影響。傳統(tǒng)的蛋白質(zhì)設(shè)計(jì)方法存在效率低下、成本高昂、時(shí)間耗費(fèi)長(zhǎng)等難以解決的問題，基于深度學(xué)習(xí)的預(yù)測(cè)和篩選在蛋白質(zhì)設(shè)計(jì)中被逐步應(yīng)用并驗(yàn)證。

但現(xiàn)有方法大多是基于多序列比對(duì)（MSA）或蛋白質(zhì)語(yǔ)言模型（PLM）對(duì)蛋白質(zhì)序列進(jìn)行特征提取。前者高度依賴于同源序列的數(shù)量，但在實(shí)際應(yīng)用中，并非所有蛋白質(zhì)序列都能進(jìn)行深度的同源比對(duì)；后者需要大量訓(xùn)練數(shù)據(jù)和復(fù)雜的模型設(shè)計(jì)，導(dǎo)致訓(xùn)練成本很高。即使是使用當(dāng)前主流的自然語(yǔ)言預(yù)訓(xùn)練模型的思路，考慮到每個(gè)蛋白質(zhì)都有獨(dú)特的性質(zhì)和進(jìn)化方向，使用通用預(yù)訓(xùn)練模型處理獨(dú)特蛋白質(zhì)時(shí)，不經(jīng)重新訓(xùn)練直接應(yīng)用也會(huì)帶來(lái)泛化性和表達(dá)能力的挑戰(zhàn)。

洪亮團(tuán)隊(duì)設(shè)計(jì)的能夠提取氨基酸周圍微觀環(huán)境信息的等變圖神經(jīng)網(wǎng)絡(luò)的預(yù)訓(xùn)練框架ProtLGN，結(jié)合蛋白質(zhì)的結(jié)構(gòu)信息對(duì)蛋白質(zhì)上的每個(gè)氨基酸進(jìn)行同步編碼，學(xué)習(xí)蛋白質(zhì)三維結(jié)構(gòu)中有益的氨基酸突變位點(diǎn)和突變類型，用于指導(dǎo)具有不同功能的蛋白質(zhì)單位點(diǎn)突變和多位點(diǎn)突變?cè)O(shè)計(jì)。

圖1 ProtLGN框架示意圖

LGN的零樣本學(xué)習(xí)訓(xùn)練框架如上圖所示。首先，輸入蛋白質(zhì)數(shù)據(jù)集中的每個(gè)序列被k臨近鄰居算法轉(zhuǎn)換成一個(gè)蛋白質(zhì)圖，并基于氨基酸性質(zhì)提取出節(jié)點(diǎn)特征、邊特征、以及氨基酸的三維坐標(biāo)信息。接著，對(duì)一部分的節(jié)點(diǎn)特征進(jìn)行噪聲擾動(dòng)后輸入到等變圖神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)圖上的節(jié)點(diǎn)表示。這一節(jié)點(diǎn)表示被全連接層解碼后可以預(yù)測(cè)多個(gè)不同的目標(biāo)，比如去噪的節(jié)點(diǎn)氨基酸類型標(biāo)簽，SASA和B-factor數(shù)值等。這里的預(yù)測(cè)誤差用于構(gòu)建損失函數(shù)并傳導(dǎo)回網(wǎng)絡(luò)層進(jìn)行反向傳導(dǎo)。在預(yù)測(cè)階段，模型輸出突變蛋白質(zhì)的氨基酸概率，與野生型比對(duì)后，通過處理和計(jì)算得出突變體的評(píng)分。

為了驗(yàn)證ProtLGN對(duì)蛋白質(zhì)突變體活性的預(yù)測(cè)效果，作者在不同蛋白質(zhì)的多種生理功能性質(zhì)上進(jìn)行了充分驗(yàn)證，確保ProtLGN預(yù)測(cè)效果的通用性，包括VHH抗體、熒光蛋白（綠色、藍(lán)色、橙色）、核酸內(nèi)切酶（KmAgo）等多種蛋白的熱穩(wěn)定性、結(jié)合能力、熒光強(qiáng)度、單鏈DNA剪切活性等蛋白質(zhì)工程常規(guī)關(guān)注和改造的多種關(guān)鍵功能指標(biāo)。

圖2 熒光蛋白發(fā)光強(qiáng)度（FP），VHH抗體結(jié)合強(qiáng)度與熱穩(wěn)定性，以及中溫核酸剪切酶（KmAgo）剪切活性的多點(diǎn)位突變結(jié)果

濕實(shí)驗(yàn)結(jié)果表明，ProtLGN可以在沒有濕實(shí)驗(yàn)數(shù)據(jù)或僅少量類似功能蛋白質(zhì)的實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)上達(dá)到40%的單點(diǎn)位改造成功率，并且在部分單位點(diǎn)上實(shí)現(xiàn)了多種功能協(xié)同提升。

上述結(jié)果表明ProtLGN能夠極大改善傳統(tǒng)蛋白質(zhì)工程方法中成本高、成功率低、數(shù)據(jù)稀缺等問題。更為重要的是，本文首次使用深度學(xué)習(xí)模型在學(xué)習(xí)單位點(diǎn)突變體活性數(shù)據(jù)后，準(zhǔn)確預(yù)測(cè)組合位點(diǎn)的活性，并且在單輪濕實(shí)驗(yàn)中即可篩選出功能顯著優(yōu)于低位點(diǎn)突變體的高位點(diǎn)突變體，表明ProtLGN能夠有效挖掘蛋白質(zhì)定向進(jìn)化中的正上位效應(yīng)，為蛋白質(zhì)的深度進(jìn)化提供一條有效途徑。

ProtLGN作為一種新型的蛋白質(zhì)設(shè)計(jì)方法，為生物學(xué)家和藥物研發(fā)人員提供了一個(gè)強(qiáng)大且可靠的計(jì)算工具。ProtLGN不僅能夠深入解析蛋白質(zhì)的結(jié)構(gòu)與功能的復(fù)雜關(guān)系，而且能夠突破傳統(tǒng)蛋白質(zhì)設(shè)計(jì)方法遇到的瓶頸，為基于蛋白質(zhì)的醫(yī)藥研究、生物技術(shù)開發(fā)等提供了全新并且有效的解決方案。

自然科學(xué)研究院/上海國(guó)家應(yīng)用數(shù)學(xué)中心（上海交通大學(xué)分中心）助理研究員周冰心博士，密歇根大學(xué)神經(jīng)科學(xué)研究所/細(xì)胞與發(fā)育生物學(xué)研究所博士后鄭力榮博士，生命科學(xué)技術(shù)學(xué)院博士研究生吳邦昊，上海人工智能實(shí)驗(yàn)室/華東理工大學(xué)信息科學(xué)與工程學(xué)院碩士研究生譚揚(yáng)為共同第一作者。自然科學(xué)研究院/物理與天文學(xué)院/張江高等研究院洪亮教授為通訊作者。

該工作得到了國(guó)家自然科學(xué)基金委、上海市科委、教委、上海人工智能國(guó)家實(shí)驗(yàn)室和張江高等研究院的支持。

審核編輯 黃宇