洪亮團隊在生信期刊JCIM發(fā)布最新成果，蛋白質(zhì)工程邁入通用人工智能時代

近日，天鶩科技創(chuàng)始人&首席科學家洪亮教授團隊，在生物信息學和人工智能研究領域的國際權(quán)威學術(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)絡構(gòu)建指導蛋白質(zhì)定向進化的通用人工智能”（Protein Engineering with Lightweight Graph Denoising Neural Networks）。在此項研究中，該團隊設計了一種微環(huán)境感知圖神經(jīng)網(wǎng)絡ProtLGN。ProtLGN能夠從蛋白質(zhì)三維結(jié)構(gòu)中學習有益的氨基酸突變位點，建立自然選擇下的氨基酸序列分布，用于指導蛋白質(zhì)氨基酸位點設計，最終實現(xiàn)蛋白質(zhì)指定功能的提升。

根據(jù)研究介紹，在生物化學實驗的基礎上，課題組證實了ProtLGN是一項通用的人工智能方法，在極少甚至沒有實驗數(shù)據(jù)的情況下，成功地實現(xiàn)了針對特定蛋白質(zhì)性質(zhì)的定向進化，包括提高抗體的親和力和穩(wěn)定性、增強多種熒光蛋白的熒光強度，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)濕實驗驗證，我們可以通過建立通用人工智能，在極少實驗數(shù)據(jù)甚至無實驗數(shù)據(jù)下實現(xiàn)不同蛋白特定性質(zhì)的定向進化。

人工智能的進步正在改變生命科學領域的研究方法和思維范式，尤其是在生物醫(yī)藥領域，而蛋白質(zhì)設計作為該領域的關鍵技術(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)設計方法存在效率低下、成本高昂、時間耗費長等難以解決的問題，基于深度學習的預測和篩選在蛋白質(zhì)設計中被逐步應用并驗證。

但現(xiàn)有方法大多是基于多序列比對（MSA）或蛋白質(zhì)語言模型（PLM）對蛋白質(zhì)序列進行特征提取。前者高度依賴于同源序列的數(shù)量，但在實際應用中，并非所有蛋白質(zhì)序列都能進行深度的同源比對；后者需要大量訓練數(shù)據(jù)和復雜的模型設計，導致訓練成本很高。即使是使用當前主流的自然語言預訓練模型的思路，考慮到每個蛋白質(zhì)都有獨特的性質(zhì)和進化方向，使用通用預訓練模型處理獨特蛋白質(zhì)時，不經(jīng)重新訓練直接應用也會帶來泛化性和表達能力的挑戰(zhàn)。

洪亮團隊設計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)絡的預訓練框架ProtLGN，結(jié)合蛋白質(zhì)的結(jié)構(gòu)信息對蛋白質(zhì)上的每個氨基酸進行同步編碼，學習蛋白質(zhì)三維結(jié)構(gòu)中有益的氨基酸突變位點和突變類型，用于指導具有不同功能的蛋白質(zhì)單位點突變和多位點突變設計。

圖1 ProtLGN框架示意圖

LGN的零樣本學習訓練框架如上圖所示。首先，輸入蛋白質(zhì)數(shù)據(jù)集中的每個序列被k臨近鄰居算法轉(zhuǎn)換成一個蛋白質(zhì)圖，并基于氨基酸性質(zhì)提取出節(jié)點特征、邊特征、以及氨基酸的三維坐標信息。接著，對一部分的節(jié)點特征進行噪聲擾動后輸入到等變圖神經(jīng)網(wǎng)絡中學習圖上的節(jié)點表示。這一節(jié)點表示被全連接層解碼后可以預測多個不同的目標，比如去噪的節(jié)點氨基酸類型標簽，SASA和B-factor數(shù)值等。這里的預測誤差用于構(gòu)建損失函數(shù)并傳導回網(wǎng)絡層進行反向傳導。在預測階段，模型輸出突變蛋白質(zhì)的氨基酸概率，與野生型比對后，通過處理和計算得出突變體的評分。

為了驗證ProtLGN對蛋白質(zhì)突變體活性的預測效果，作者在不同蛋白質(zhì)的多種生理功能性質(zhì)上進行了充分驗證，確保ProtLGN預測效果的通用性，包括VHH抗體、熒光蛋白（綠色、藍色、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、熒光強度、單鏈DNA剪切活性等蛋白質(zhì)工程常規(guī)關注和改造的多種關鍵功能指標。

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

濕實驗結(jié)果表明，ProtLGN可以在沒有濕實驗數(shù)據(jù)或僅少量類似功能蛋白質(zhì)的實驗數(shù)據(jù)基礎上達到40%的單點位改造成功率，并且在部分單位點上實現(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習模型在學習單位點突變體活性數(shù)據(jù)后，準確預測組合位點的活性，并且在單輪濕實驗中即可篩選出功能顯著優(yōu)于低位點突變體的高位點突變體，表明ProtLGN能夠有效挖掘蛋白質(zhì)定向進化中的正上位效應，為蛋白質(zhì)的深度進化提供一條有效途徑。

ProtLGN作為一種新型的蛋白質(zhì)設計方法，為生物學家和藥物研發(fā)人員提供了一個強大且可靠的計算工具。ProtLGN不僅能夠深入解析蛋白質(zhì)的結(jié)構(gòu)與功能的復雜關系，而且能夠突破傳統(tǒng)蛋白質(zhì)設計方法遇到的瓶頸，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。

自然科學研究院/上海國家應用數(shù)學中心（上海交通大學分中心）助理研究員周冰心博士，密歇根大學神經(jīng)科學研究所/細胞與發(fā)育生物學研究所博士后鄭力榮博士，生命科學技術(shù)學院博士研究生吳邦昊，上海人工智能實驗室/華東理工大學信息科學與工程學院碩士研究生譚揚為共同第一作者。自然科學研究院/物理與天文學院/張江高等研究院洪亮教授為通訊作者。

該工作得到了國家自然科學基金委、上海市科委、教委、上海人工智能國家實驗室和張江高等研究院的支持。

審核編輯 黃宇