韩国科学技术院(KAIST)研究团队开发出一种人工智能(AI)模型,不仅能预测药物与蛋白质是否结合,还能预测“药物是否真正起作用”。这是谷歌的AI新药开发工具AlphaFold3也未能实现的功能,因此预计将对新药开发大有帮助。
KAIST 8日表示,生物及脑工程系李官洙教授研究团队针对代表性新药靶点G蛋白偶联受体(GPCR),开发出可预测候选药物是否真正激活蛋白质的AI模型“GPCRact”。
人体内的蛋白质像开关一样运作。药物与蛋白质结合后,结合部位结构发生变化,该变化传递至整个蛋白质,使功能被打开或关闭。此时体内的GPCR扮演细胞表面“信号接收器”的角色。当激素、神经递质或药物从细胞外发出信号时,它充当将信号传入细胞内部的门户。
人体内约存在800多种GPCR,是参与心跳、血压调节、疼痛感知、免疫反应、情绪调节等多种生理功能的核心蛋白质。因此目前上市药物中约30%至40%以GPCR为靶点。
但药物与GPCR结合并不意味着一定能发挥所需功能。结合之后蛋白质内部发生的结构变化和信号传递过程,才决定其是否真正起作用。这被称为“别构信号传播”。
研究团队将药物作用过程分为①药物—靶点结合阶段②蛋白质内部信号传播阶段,并设计AI分阶段学习。他们将蛋白质的三维结构以原子级别的图形表示,并应用“注意力机制”以学习重要的信号传播路径。由此使AI在掌握药物结合信号的同时,掌握蛋白质内部信号传播路径,从而预测蛋白质的活性。
结果显示,即使在以往模型难以处理的复杂结构蛋白质上,药物活性预测性能也大幅提升。研究人员表示:“该模型并非只给出‘活性’或‘非活性’的结果”,“它还提出作为预测依据的蛋白质内部关键信号路径,克服了所谓‘黑箱AI’的局限。”
这是谷歌AlphaFold3也未触及的领域。AlphaFold3成功预测了药物与蛋白质是否结合以及结合部位的三维结构,但未能预测药物结合后蛋白质内部如何传递信号、如何改变蛋白质整体结构,从而实际激活或抑制蛋白质功能。
该研究成果被评价为重要进展,因为它使研究者能够解释和验证结果,从而同时提升新药开发的可靠性与效率。GPCRact今后有望作为精准新药开发AI平台,用于预测以GPCR为靶点的各类疾病中药物的实际活性。
李官洙教授表示:“别构结构变化是指药物与蛋白质某一部位结合时,其影响传递至内部,连其他部位的功能也随之改变的现象”,“将这一作用原理反映到深度学习中,正是本次研究的核心。”他还表示:“今后将扩展到各种蛋白质,并发展为可预测细胞乃至人体反应的技术。”
该论文于1月15日发表在生物信息学领域最具权威的国际学术期刊《Briefings in Bioinformatics》(JCR前2.2%)上。






