新智元報道

編輯：英智

【新智元導讀】微軟「AI for Science」團隊推出BioEmu，將蛋白質研究速度提升10萬倍！從結構到功能，從折疊到突變，這個開源神器正改變藥物研發的未來。

來自微軟團隊研究蛋白質的「模擬神器」BioEmu，今日登上了Science！

BioEmu能模擬蛋白質在平衡狀態下的各種可能結構集合，為深入理解蛋白質功能提供了關鍵支持。

論文鏈接：https://www.science.org/doi/10.1126/science.adv9817

我們的身體由組織和細胞構成，在納米尺度，蛋白質是驅動生命活動的微型機器。

人類基因組計劃能夠測序DNA。DNA中有稱為基因的片段，基因可以被轉錄和翻譯成一串氨基酸，即蛋白質。

根據氨基酸的序列，蛋白質會折疊成三維結構。

實驗測定蛋白質結構很費時間，但AlphaFold的突破，可以精確預測蛋白質結構。

有了可擴展的方法來確定蛋白質序列和結構，但它們的工作原理仍是個挑戰。

蛋白質的功能是什么？它與結構有什么關系？

舉個例子：肌動蛋白是形成肌肉纖維的關鍵蛋白質。

像大多數蛋白質一樣，肌動蛋白的結構不是固定的。當肌動蛋白結合ATP時，它更傾向于閉合。

閉合的肌動蛋白喜歡與其他肌動蛋白結合，形成纖維，這些纖維是肌肉的基礎。

蛋白質的生物功能取決于它們改變構象的能力，不同構象會影響蛋白質與其他蛋白質的結合。

這些構象和它們之間的轉變可以通過實驗或分子動力學模擬來研究，但這些方法耗時且昂貴。

模擬一個小型蛋白質僅一微秒的運動，在一臺現代GPU上需要整整兩天，且幾乎看不到明顯運動。

只有模擬更長時間（如毫秒級），才能看到重要的功能性變化，如折疊、展開或結合，但這需要數年的計算時間，難以大規模應用。

微軟研究AI for Science團隊推出了BioEMU。

使用時，只需輸入蛋白質序列，BioEMU就能生成大量蛋白質結構樣本，預測蛋白質的各種性質。

它可以展示一個受體蛋白在兩個已知結構之間的運動，預測大尺度結構變化、局部展開以及藥物分子結合位點的形成。

BioEMU還能模擬毫秒級分子動力學模擬的結果，傳統模擬需要幾年GPU時間，而BioEMU只需不到1小時GPU時間，速度提升10萬倍！

網友評論，「微軟研究院的突破令人振奮！在如此規模上對蛋白質平衡集合建模，對藥物發現和疾病理解具有重大意義。BioEmu將數年的結構模擬濃縮到數小時內，是一個巨大的飛躍。」

「我愛科學，還有有史以來最偉大的發明家，正在以指數級改變我的生活。」

模擬蛋白質動態結構

蛋白質的功能與其動態變化的結構密切相關。

它們可以根據需求靈活切換不同形狀，這些變化是其發揮作用的基礎。

BioEmu是一個模擬器，通過預測蛋白質在不同狀態下的結構，讓我們更清晰地了解其工作機制。

BioEmu 1.1經過更長時間、更高強度的三階段訓練，運用了海量數據：

• 大規模蛋白質結構數據；

• 超過200毫秒的分子動力學（MD）模擬數據，相當于計算機模擬蛋白質的運動軌跡；

• 50多萬條蛋白質穩定性測量數據。

因此，BioEmu 1.1能夠更準確地預測蛋白質的行為，捕捉與功能相關的結構變化。

像大規模結構運動；局部結構解開；隱匿密口袋（cryptic pockets）的形成，成功率顯著提升。

超快模擬，誤差極低

BioEmu 1.1能模擬毫秒級別的分子動力學平衡分布，速度極快。

傳統方法可能需要數年GPU時間，而BioEmu 1.1僅需幾小時即可完成，極大提升了研究效率。

BioEmu 1.1在預測蛋白質穩定性和突變效應表現出色。

它讓實驗測量的穩定性數據和模擬出的結構集合更匹配：

• 預測誤差小于1千卡/摩爾；

• 在大量測試數據中，與實驗測量的穩定性數據相關性超過0.6；

• 訓練數據與測試數據的序列相似度約為50%，預測依然精準。

通過分析結構樣本，我們可以了解突變對蛋白質穩定性的影響。

此外，BioEmu 1.1還能準確預測單個和雙重突變的穩定性變化。

即使面對復雜的突變情況，它也能通過精細的數據訓練，捕捉細微差異，做出可靠預測。

BioEmu的訓練依托于超過100毫秒的分子動力學模擬數據集，涵蓋數千種蛋白質系統和數萬個突變體。

這個數據集兼具序列多樣性和長時間模擬的優勢，數據量大、質量高，為BioEmu的出色表現提供了堅實基礎。

BioEMU為大規模研究蛋白質功能打開了大門，助力藥物發現、蛋白質設計。

BioEMU已開源（MIT許可證），可在Azure AI Foundry和Colab Fold使用。

開發者可以從GitHub獲取代碼，從Hugging Face獲取模型權重。

參考資料：

https://x.com/MSFTResearch/status/1943373860012744737

https://www.science.org/doi/10.1126/science.adv9817