蛋白质是生命的基石,蛋白质的光谱响应信号,尤其是紫外光谱,可以称之为蛋白质骨架的“指纹”。这个“光学指纹”,经过理论模拟的解读,可以揭示出精确的蛋白质结构,为生命科学和医学诊断提供极其重要的信息。日前,中国科大微尺度物质科学国家研究中心江俊教授与其合作者合作,通过利用人工智能机器学习中的神经网络技术,模拟了蛋白质肽键结构与性质之间的构效关系,将计算量一下降低了上万倍。这是人工智能技术首次用于理论计算预测蛋白质的光谱研究,为预测蛋白质的光学特性提供了一种高效的工具。相关成果日前发表在《美国科学院院报》上。


中国科大实现人工智能预测蛋白质光谱特性 计算量降低上万倍!


蛋白质是生命的基石,生物的功能依赖于既稳定而又灵活可变的蛋白质结构。然而,蛋白质的结构极其复杂多变,需要做大量的高精度的量子化学理论计算。由于计算量太大,即使是最厉害的超级计算机也“吃不消”。所以蛋白质光谱的理论解读是一个长期的困难与挑战,限制了光谱的准确分析和蛋白质结构的发现。


怎么样在光谱理论模拟中避免太昂贵的量子化学计算,解读蛋白质骨架的 “光学指纹”,是一个重要的科学课题。而近年来,人工智能技术被广泛的应用到各个领域,用于大幅度降低复杂体系的计算量。


中国科学技术大学微尺度物质科学国家研究中心江俊教授,与中科大罗毅教授和美国加州大学尔湾分校Shaul Mukamel教授合作,通过利用人工智能机器学习中的神经网络技术,模拟了蛋白质肽键结构与性质之间的构效关系,将计算量一下降低了上万倍。研究人员首先在300K温度下通过分子动力学模拟以及量子化学计算,得到了五万组不同构型的肽键模型分子。通过机器学习算法筛选出键长、键角,二面角跟电荷信息作为描述符,通过神经网络来构建肽键基态结构与其激发态性质之间的构效关系。基于训练好的机器学习模型,预测出了肽键的基态偶极矩及激发态性质,最后预测出肽键的紫外吸收光谱。为了验证机器学习模型的鲁棒性,研究人员又基于300K的温度下得到的机器学习模型,预测出肽键在200K以及400K温度下的紫外吸收光谱,其结果与时间密度泛函理论计算结果达到很好的吻合。


中国科大实现人工智能预测蛋白质光谱特性 计算量降低上万倍!


这是人工智能技术首次用于理论计算预测蛋白质的光谱研究。通过理论计算得到大量数据,使用人工智能加以训练后,确立了机器学习模拟蛋白质肽键骨架紫外吸收光谱的可行性和优势,蛋白质的“光学指纹”解读也将会变得更加轻易和有效。


江俊课题组近些年致力于发展机器学习技术在量化领域的应用,努力探究使其成为解决量化问题的一种重要工具。相关成果以“A Neural Network Protocol for Electronic excitations of N-Methylacetamide”为题发表在《美国科学院院报》(Proceedings of National Academy of Science, DOI:10.1073/pnas.1821044116)。相关工作得到了国家自然科学基金、中国科学院先导项目的资助,该论文第一作者为博士生叶盛与博士后胡伟、李鑫,江俊与Shaul Mukamel为共同通讯作者。


我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~