通過(guò)將人工智能與分子動(dòng)力學(xué)模擬相結(jié)合，美國(guó)能源部橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室（ORNL ：Oak Ridge National Laboratory）的研究人員開(kāi)發(fā)了一種新工具，可以更準(zhǔn)確地預(yù)測(cè)植物和有益微生物如何在最基本的層面上相互作用和形成伙伴關(guān)系。

新的人工智能工作流程幫助科學(xué)家確定哪些植物基因控制著最佳的微生物伙伴關(guān)系。這加速了微生物組的工程化，有助于植物更快地生長(zhǎng)，需要更少的肥料，并產(chǎn)生更多的生物質(zhì)轉(zhuǎn)化為有價(jià)值的燃料、化學(xué)品和材料。該方法加快了國(guó)家能源和糧食安全的研究，提高美國(guó)在全球生物技術(shù)領(lǐng)域的競(jìng)爭(zhēng)力。

植物和環(huán)境中的微生物通過(guò)稱為配體的化學(xué)信號(hào)進(jìn)行互動(dòng)交流，形成促進(jìn)植物生長(zhǎng)和健康的伙伴關(guān)系。一類(lèi)關(guān)鍵的配體，脂質(zhì)殼寡糖（LCO），引起了ORNL科學(xué)家的興趣，因?yàn)樗鼈兇龠M(jìn)了這種植物-微生物共生。然而，由于LCO的靈活和大分子結(jié)構(gòu)，預(yù)測(cè)哪些蛋白質(zhì)（執(zhí)行特定任務(wù)的細(xì)胞中的大而復(fù)雜的分子）將識(shí)別并精確結(jié)合這些信號(hào)一直是一個(gè)挑戰(zhàn)。

現(xiàn)有的計(jì)算工具，如預(yù)測(cè)蛋白質(zhì)三維形狀的AlphaFold程序，提供的幫助有限，因?yàn)樗鼈冎饕窃谟奢^小的藥物樣配體組成的數(shù)據(jù)集上訓(xùn)練的。AlphaFold通常也預(yù)測(cè)LCO中的靜態(tài)相互作用，而不是動(dòng)態(tài)波動(dòng)。

為了產(chǎn)生更好的蛋白質(zhì)配體匹配預(yù)測(cè)，ORNL生物物理學(xué)家開(kāi)發(fā)了一種混合方法，將分子動(dòng)力學(xué)（MD）模擬與機(jī)器學(xué)習(xí)（ML）預(yù)測(cè)相結(jié)合，該方法允許對(duì)蛋白質(zhì)動(dòng)態(tài)結(jié)構(gòu)進(jìn)行更廣泛的采樣。ML模型是在蛋白質(zhì)-配體復(fù)合物的大數(shù)據(jù)集上訓(xùn)練的。

這些模擬是在橡樹(shù)嶺領(lǐng)導(dǎo)力計(jì)算設(shè)施（Oak Ridge Leadership Computing Facility）的美國(guó)最快的兩臺(tái)超級(jí)計(jì)算機(jī)Frontier和Summit上進(jìn)行的，該設(shè)施是位于ORNL的美國(guó)能源部科學(xué)辦公室用戶設(shè)施，致力于開(kāi)放科學(xué)以加速美國(guó)的創(chuàng)新和競(jìng)爭(zhēng)力。

這種被稱為MD/ML的方法對(duì)植物受體與配體結(jié)合的強(qiáng)度進(jìn)行了排名，即使起始蛋白質(zhì)結(jié)構(gòu)只是粗略的模型，它也能起作用。該研究預(yù)測(cè)了與實(shí)驗(yàn)實(shí)驗(yàn)室結(jié)果相匹配的結(jié)合，并揭示了結(jié)合如何發(fā)生的新結(jié)構(gòu)細(xì)節(jié)。

分子配對(duì)加速植物轉(zhuǎn)化

ORNL計(jì)算和預(yù)測(cè)生物學(xué)小組的項(xiàng)目聯(lián)合負(fù)責(zé)人Erica Prates說(shuō)：“能夠快速預(yù)測(cè)這些分子‘匹配’意味著科學(xué)家可以集中精力進(jìn)行實(shí)驗(yàn)，從而節(jié)省時(shí)間和金錢(qián)?！?/p>

“這項(xiàng)技術(shù)表明，我們可以預(yù)測(cè)大型、高度靈活的配體與蛋白質(zhì)受體的相對(duì)結(jié)合強(qiáng)度?！監(jiān)RNL分子生物物理學(xué)小組的項(xiàng)目聯(lián)合負(fù)責(zé)人Omar Demerdash說(shuō)，“這種結(jié)合強(qiáng)度最終決定了細(xì)胞內(nèi)發(fā)生的事情，包括哪些基因被激活以及無(wú)數(shù)其他生理過(guò)程。這是理解植物如何與微生物相互作用，或藥物如何在人體內(nèi)治療疾病的關(guān)鍵?！?/p>

“這種方法考慮到了蛋白質(zhì)不是剛性的這一現(xiàn)實(shí)——它們一直在擺動(dòng)?！痹撜撐牡耐ㄓ嵶髡?、ORNL的計(jì)算系統(tǒng)生物學(xué)家Dan Jacobson說(shuō)，“但迄今為止，我們的大多數(shù)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)工具最終都會(huì)生成一個(gè)靜態(tài)結(jié)構(gòu)，導(dǎo)致剛性視圖與現(xiàn)實(shí)生活中的靈活性脫節(jié)。通過(guò)進(jìn)行考慮蛋白質(zhì)運(yùn)動(dòng)的分子模擬，你可以找到一種更好的方法來(lái)發(fā)現(xiàn)這些結(jié)合事件。”

Jacobson說(shuō)：“我們已經(jīng)開(kāi)發(fā)出一種方法，可以更好地了解植物和外部微生物世界中這些受體的互動(dòng)?！薄斑@是我們植物-微生物相互作用研究工具包的一個(gè)很好的補(bǔ)充，具有更廣泛的應(yīng)用，例如探索如何重新利用現(xiàn)有的藥物療法來(lái)治療健康疾病?！?/p>

該團(tuán)隊(duì)中的其他ORNL科學(xué)家包括Tomás Rush、Udaya Kalluri和Manesh Shah。該研究得到了美國(guó)能源部科學(xué)、生物和環(huán)境研究計(jì)劃辦公室植物-微生物界面科學(xué)重點(diǎn)領(lǐng)域的支持。

與Ai時(shí)代前沿合作，將大門(mén)向更多普通用戶敞開(kāi)！無(wú)論你是對(duì)新技術(shù)充滿好奇心的愛(ài)好者，還是希望提升自己技能的職場(chǎng)人士，這里都有適合你的課程和資源。