據物理學家組織網近日報道，瑞士洛桑聯邦理工學院的研究團隊開發出一種名為“全蛋白質生成潛在擴散”（LD-FPG）的新型AI框架，首次生成精確到每個原子的蛋白質完整動態模型，並能模擬其運動過程。該成果有望從根本上改變基於蛋白質動態行為的藥物設計方式。

許多藥物和抗體的研發路徑，都聚焦於結構複雜的細胞膜蛋白。當候選藥物分子與這些蛋白結合時，會觸發一連串化學反應，改變細胞行為。因此，理解蛋白質如何摺疊、如何運動，是開發高效靶向藥物的關鍵。

目前，AI已成為生成新型蛋白質結構的重要工具，但包括“阿爾法摺疊”在內的大多數系統，主要生成蛋白質的靜態“快照”。在實際情況下，蛋白質內部被稱為“側鏈”的結構中，原子會發生細微重排，這些變化會影響蛋白質與其他分子的相互作用，而現有模型通常難以捕捉這些動態細節。

為了解決這一問題，研究團隊開發了LD-FPG框架。與傳統方法不同，LD-FPG並不直接預測每個原子在空間中的精確座標，而是先學習蛋白質形態變化的規律。該系統利用名為“圖神經網絡”的算法框架，將蛋白質結構壓縮成簡化的“潛在圖譜”，再由AI學習這些圖譜中的結構和運動特徵，最終重建出包含全部原子及其動態變化的高分辨率模型。

研究團隊利用該系統，生成了多巴胺D2受體在活躍和非活躍狀態下的動態結構。該蛋白可識別神經遞質多巴胺並調控關鍵細胞反應，是G蛋白偶聯受體中的重要成員，也是全球藥物研發領域最受關注的靶點之一。

新框架不再只關注蛋白質的靜態形狀，而是關注其運動過程，為設計針對蛋白質動態行為的新藥打開了大門。在提升生物學理解的同時，這項技術還有望改進當前依賴大量試錯的蛋白質虛擬篩選流程，從而加速藥物發現。