格拉斯哥大學的研究團隊近日發表了一項突破性的研究，他們利用人工智慧 (AI) 成功解碼了蛋白質之間複雜的「語言」。這項研究不僅加深了我們對蛋白質相互作用的理解，更為疾病研究、藥物開發，甚至是預測病毒大流行潛力開闢了新的途徑。這項研究成果已發表在《自然通訊》(Nature Communications) 期刊上。
PLM-interact：新一代蛋白質語言模型
研究團隊開發了一種名為 PLM-interact 的蛋白質語言模型 (PLM)，這是一種特殊的大型語言模型 (LLM)，它以類似於處理句子的方式來處理蛋白質序列。PLM-interact 的早期測試顯示，它在理解和預測蛋白質之間的相互作用方面，優於其他同類模型。更重要的是，PLM-interact 能夠準確預測突變對蛋白質相互作用的影響，包括導致遺傳疾病的突變，以及抑制蛋白質相互作用而引發癌症的突變。
數據佐證：超越現有模型的精準度
PLM-interact 在預測蛋白質相互作用方面的準確度，比其他最先進的 AI 蛋白質模型高出 16% 到 28%。此外，PLM-interact 能夠準確預測五種關鍵的蛋白質相互作用，這些相互作用控制著 RNA 聚合和蛋白質運輸等重要的生物功能。值得注意的是，包括 Google DeepMind 開發的 AlphaFold3 在內的其他蛋白質 AI 工具，僅能預測這五種蛋白質相互作用中的一種。
強大的算力支持：DiRAC 超級電腦的貢獻
為了訓練 PLM-interact 模型，研究團隊需要大量的計算能力。他們與英國的 DiRAC 高效能超級電腦設施合作，利用其 GPU 計算資源，以及訓練、技術支援和軟體工程資源，更快速有效地完成了模型的構建和微調。
Tursa：從宇宙研究到蛋白質研究
DiRAC 的 Tursa 超級電腦最初是為理論物理學家模擬宇宙運行而設計的。如今，它為格拉斯哥大學的研究團隊提供了高度優化的 GPU 集群，幫助他們更快地構建和微調模型。該模型包含超過 6.5 億個獨立參數。
應用前景：疾病研究、藥物開發與病毒預測
PLM-interact 的應用前景廣闊，涵蓋了多個醫學科學領域：
疾病研究：
深入了解癌症和病毒感染等疾病的發展機制。
藥物開發：
發現新的藥物靶點，加速新藥的開發過程。
病毒預測：
預測病毒的大流行潛力，為公共衛生應對提供早期預警。
病毒研究：COVID-19 疫情的啟示
格拉斯哥大學病毒研究中心 (CVR) 生物資訊學負責人 David L Robertson 教授指出，COVID-19 疫情凸顯了理解病毒與宿主相互作用的重要性。PLM-interact 這樣的工具，未來將在病毒出現和疾病風險評估方面發揮重要作用，進而加速新療法和治療方法的開發。
病毒與宿主蛋白的相互作用
研究團隊利用 PLM-interact 訓練了來自 5,882 個人類和 996 個病毒蛋白質的 22,383 個蛋白質相互作用數據。結果顯示，PLM-interact 在預測人類和病毒蛋白質相互作用方面的能力，再次優於現有的蛋白質模型，證明了該模型作為精確病毒預測工具的潛力。
蛋白質相互作用：疾病的關鍵
蛋白質是所有細胞和病毒的主要結構成分，它們通過相互作用在生物過程中發揮關鍵作用。蛋白質相互作用 (PPI) 的破壞通常與疾病的形成有關，包括癌症和遺傳疾病。此外，蛋白質相互作用在病毒感染中也扮演著重要角色，病毒依靠我們細胞中的蛋白質來幫助它們複製並持續感染過程。
總結與研判：AI 驅動的生物醫學新時代
格拉斯哥大學科學家開發的 PLM-interact 模型，代表了 AI 在生物醫學領域應用的重大突破。通過利用超級電腦的強大算力，研究團隊成功解碼了蛋白質之間複雜的「語言」，為疾病研究、藥物開發和病毒預測開闢了新的途徑。
PLM-interact 不僅在預測蛋白質相互作用方面具有更高的準確性，還能夠準確識別突變對蛋白質相互作用的影響。這使得科學家們能夠更深入地了解疾病的發生機制，並發現新的藥物靶點。
此外，PLM-interact 在病毒研究領域的應用潛力也十分巨大。通過預測病毒與宿主蛋白質之間的相互作用，PLM-interact 可以幫助我們更好地理解病毒的出現和疾病風險，進而加速新療法和治療方法的開發。
總體而言，PLM-interact 的成功開發，標誌著 AI 正在深刻地改變生物醫學研究的面貌。隨著 AI 技術的不斷發展，我們有理由相信，未來將會有更多類似的突破性成果湧現，為人類健康帶來更大的福祉。
Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: November 3, 2025