AI成功預(yù)測(cè)守衛(wèi)細(xì)胞核的蛋白質(zhì)復(fù)合物

編譯 劉迪一

繼解決蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)這一生物學(xué)領(lǐng)域大難題后，人工智能（AI）又揭示了蛋白質(zhì)相互作用連接形成復(fù)合物的過程，還構(gòu)想出新的蛋白質(zhì)結(jié)構(gòu)——它們有望被轉(zhuǎn)化為藥物，在我們的科學(xué)、健康和生活方面扮演關(guān)鍵角色。

不過面對(duì)龐雜的蛋白質(zhì)復(fù)合物結(jié)構(gòu)，人工智能的預(yù)測(cè)工作進(jìn)展緩慢。直到2022年6月，一項(xiàng)刊載于《科學(xué)》的研究宣告對(duì)復(fù)合謎團(tuán)的成功破解。研究團(tuán)隊(duì)設(shè)計(jì)的新算法破譯了一個(gè)由大約1 000種蛋白質(zhì)組成的巨大復(fù)合體——此龐然大物把守著生物遺傳的核心要道，能幫助將DNA指令引導(dǎo)至細(xì)胞其他部分。新一代AI模型在人工智能公司DeepMind的AlphaFold和華盛頓大學(xué)教授戴維?貝克（David Baker）的實(shí)驗(yàn)室研發(fā)的RoseTTAfold基礎(chǔ)上構(gòu)建得到，而這兩項(xiàng)模型此前已開源，供科研工作者免費(fèi)使用。

細(xì)胞核之于DNA就如同城堡之于堡主。城堡構(gòu)造周密，戒備森嚴(yán)，只允許特定分子進(jìn)出城門，以傳遞堡內(nèi)主人合成的遺傳指令至外界。這里的“外界”可以是細(xì)胞內(nèi)的蛋白質(zhì)制造工廠，即核糖體，在接收到RNA指令后便將其翻譯為蛋白質(zhì)。

核孔是開在核膜上的微小孔口。每個(gè)核孔都被一個(gè)八重對(duì)稱、呈籃狀結(jié)構(gòu)的核孔復(fù)合體包圍。核孔復(fù)合體主要由胞質(zhì)環(huán)、核質(zhì)環(huán)、核籃等結(jié)構(gòu)組成。核孔與核孔復(fù)合體的組合是細(xì)胞核、細(xì)胞質(zhì)間交流的重要通道

城門的核心守衛(wèi)是核孔復(fù)合體（NPC），鑲嵌于內(nèi)外核膜上，嚴(yán)格把控核孔的開與關(guān)，監(jiān)管分子信使往來。（你可以將分界細(xì)胞核、細(xì)胞質(zhì)的核膜比作城墻，開在核膜上的核孔比作城門。）

生物學(xué)教材圖示中的NPC看著像球體表面的數(shù)千坑洼。實(shí)際上，每個(gè)核孔復(fù)合體都是一個(gè)極其復(fù)雜的環(huán)形建筑奇觀，也是人體內(nèi)最大蛋白質(zhì)復(fù)合物之一。

由于核孔復(fù)合體是DNA信息傳遞的管控者，因此解析NPC結(jié)構(gòu)之于基因治療、mRNA疫苗、CRISPR技術(shù)以及其他我們?nèi)噪y想象的潛在基因相關(guān)療法，可謂至關(guān)重要。

《科學(xué)》雜志高級(jí)編輯江滌博士表示：“核孔復(fù)合體是疾病相關(guān)突變和宿主-病原體相互作用的熱點(diǎn)，新報(bào)道的NPC結(jié)構(gòu)預(yù)測(cè)工作標(biāo)志著實(shí)驗(yàn)結(jié)構(gòu)生物學(xué)的勝利?！?/p>

在此之前，細(xì)胞生物學(xué)家眼中的NPC是一個(gè)“歷史悠久卻又意義重大的謎團(tuán)”。

結(jié)構(gòu)之謎

如前文所述，身為一堡之主的DNA必須得到周全保護(hù)。這些攜帶遺傳信息的核苷酸長鏈纏繞于組蛋白軸上，形成核小體，并被核膜包裹在細(xì)胞核內(nèi)，從而免受潛在有害化學(xué)物質(zhì)、病毒或其他廢物的侵害。

另一方面，堡主也需要發(fā)號(hào)施令，做好細(xì)胞遺傳控制的工作。細(xì)胞通過將來自核中央的DNA編碼翻譯成蛋白質(zhì)，以構(gòu)建物理組織，或控制基本生物學(xué)功能——告訴細(xì)胞何時(shí)分裂或死亡、平衡新陳代謝以及抵御病原體入侵。

在轉(zhuǎn)錄和翻譯的過程中，大量蛋白質(zhì)信使需要通過核孔進(jìn)入核區(qū)，將DNA指令轉(zhuǎn)錄成mRNA，之后又護(hù)送mRNA離開城堡回到細(xì)胞質(zhì)，并交付于核糖體，后者開展翻譯工作。每次往來都必須經(jīng)過NPC守衛(wèi)。

長期以來，科學(xué)界一直試圖破譯核孔復(fù)合體的結(jié)構(gòu)，施展生化魔法來修改其正常功能，或使用X射線掃描其晶體結(jié)構(gòu)，但這些工作進(jìn)行得異常艱難。通過分析大量數(shù)據(jù)，專家們發(fā)現(xiàn)了組成NPC的兩類主要蛋白質(zhì)。

第一類被稱為核孔蛋白（NUP），負(fù)責(zé)搭建門禁系統(tǒng)——嚴(yán)格來說，進(jìn)出核孔的本質(zhì)就是穿過這些蛋白質(zhì)門禁的“中心孔道”。第二種類型則類似服務(wù)人員，它們沿門禁系統(tǒng)分布并延伸至中心孔道，能夠抓住往來的分子以幫助其移動(dòng)。

核孔復(fù)合體由近1 000種蛋白質(zhì)組成，可形成大約30種不同的門禁系統(tǒng)——其結(jié)構(gòu)會(huì)動(dòng)態(tài)變化，形成近30類核孔蛋白結(jié)構(gòu)，因此解析NPC的工作難度極大。例如，多種相互連接的蛋白質(zhì)能像鉸鏈裝置那樣運(yùn)動(dòng)，從而改變孔道的構(gòu)型或大小。

新算法的設(shè)計(jì)團(tuán)隊(duì)由德國馬克斯?普朗克生物物理研究所（MPIB）的格哈德?哈姆爾（Gerhard Hummer）和馬丁?貝克（Martin Beck），以及歐洲分子生物學(xué)實(shí)驗(yàn)室（EMBL）的揚(yáng)?科辛斯基（Jan Kosinski）領(lǐng)導(dǎo)。根據(jù)他們的解釋，由于整個(gè)結(jié)構(gòu)“緊密地包圍”核膜，因此不能孤立研究核孔復(fù)合體。到目前為止，科學(xué)家即便采用最先進(jìn)的生化手段，也只解析了46%的NPC結(jié)構(gòu)。

科辛斯基說道：“這就像拆卸和重裝電子設(shè)備一樣?？倳?huì)有一些螺絲剩下來，你不知道該把它們安在哪里，不過多虧了人工智能，我們終于能讓大多數(shù)零件都各歸其位，現(xiàn)在我們確切知道NPC的身份信息、所作所為以及行事方法。”

遇見人工智能

哈姆爾等人首先對(duì)時(shí)下流行的一種NPC分析方法，即低溫電子斷層掃描術(shù)分析（cryo-ET）進(jìn)行了挖掘和改造。該方法于2015年聲名鵲起，因?yàn)樗鼘⒓?xì)胞結(jié)構(gòu)解析至近原子尺度。研究團(tuán)隊(duì)解釋稱，解決NPC結(jié)構(gòu)的難點(diǎn)之一在于過往數(shù)據(jù)集的分辨率很不理想。在這里，他們收集了比之前“大了差不多4倍的數(shù)據(jù)集”，并使用一種新計(jì)算方法來分析數(shù)據(jù)。

通過查看新繪制的地圖，他們能夠區(qū)分核膜（或者說“DNA包裹”）處于緊縮還是相對(duì)放松的狀態(tài)。此外，研究團(tuán)隊(duì)利用AlphaFold和RoseTTAfold來預(yù)測(cè)了一套全面的NPC蛋白質(zhì)模型，結(jié)果喜人——這兩柄AI神器能以高可信度模擬大多數(shù)核蛋白，并匹配來自傳統(tǒng)微觀分析方法的數(shù)據(jù)。

當(dāng)然，項(xiàng)目進(jìn)展并非一帆風(fēng)順。NPC與蛋白質(zhì)運(yùn)輸方式密切相關(guān)，而這些運(yùn)輸方式通常很難進(jìn)行三維建模。針對(duì)此難題，哈姆爾等人利用自己的模型，將蛋白接頭的“錨點(diǎn)”映射至NPC主孔道，之后進(jìn)一步的建模構(gòu)建了一幅關(guān)于接頭連接方式的“谷歌地圖”。

破解遺傳的核心

使用人工智能解決蛋白質(zhì)結(jié)構(gòu)，被夸贊為近十年的科學(xué)大突破。而此項(xiàng)研究是首個(gè)證明算法能在凌亂而復(fù)雜的現(xiàn)實(shí)世界中發(fā)揮強(qiáng)大功能的成果。

貝克表示：“此項(xiàng)成果展示了未來結(jié)構(gòu)生物學(xué)將如何融合細(xì)胞生物學(xué)，從而創(chuàng)建在細(xì)胞不同部分發(fā)揮不同功能的更大分子組裝的原子模型?！?/p>

變革已經(jīng)開始。與哈姆爾等人的論文同期發(fā)表的，還有哈佛醫(yī)學(xué)院吳皓博士團(tuán)隊(duì)的新作。他們結(jié)合顯微鏡成像與AlphaFold，利用非洲爪蟾卵解析了部分NPC結(jié)構(gòu)。（非洲爪蟾算是生化研究的寵兒了。）

不過人工智能還算不上學(xué)科救世主。正如麻省理工學(xué)院生物學(xué)教授托馬斯?施瓦茨（Thomas Schwartz，未參與研究）所指出的，核孔復(fù)合體是可以改變自身構(gòu)型的活系統(tǒng)。例如，當(dāng)它們開心依偎于核膜內(nèi)時(shí)，中心孔道往往更寬敞；而在被拉到顯微鏡下觀察后，通道就沒那么敞亮了。換言之，蛋白質(zhì)復(fù)合物很難被破譯和控制。當(dāng)然了，AI始終站在我們這邊。

施瓦茨說道：“我們現(xiàn)在可以考慮建立一個(gè)完整的NPC動(dòng)態(tài)模型，并以原子級(jí)別的分辨率模擬核轉(zhuǎn)運(yùn)過程。”基于AI的蛋白質(zhì)預(yù)測(cè)的未來，令人無比期待！

資料來源 singularityhub.com