“人工智能首次预测蛋白质“光学指纹””

本篇文章649字，读完约2分钟

科技日报合肥6月9日电(记者吴长锋)记者中国科大讯飞称，该校微尺度物质科学国家研究中心教授江俊与合作者合作，利用人工智能机器学习中的神经互联网技术模拟蛋白质肽键结构与性质之间的构效关系，大幅降低计算量， 相关成果近日发表在《美国科学院纪要》上。

蛋白质光谱响应信号，特别是紫外光谱，可以称为蛋白质骨架的指纹。 这个光学指纹，经过理论模拟的解读，可以揭示准确的蛋白质结构，为生命科学和医学诊断提供极其重要的新闻。

但是，蛋白质结构繁多、复杂多样，需要大量高精度的量子化学理论计算。 计算量太大了，最厉害的超级计算机也受不了。 因此，蛋白质谱的理论解读是长时间的困难和挑战，限制了谱的准确分解和蛋白质结构的发现。

研究人员首先在300k温度下通过分子动力学模拟和量子化学计算，得到了5万组不同构型的肽键模型分子。 通过机器学习算法筛选键长、键角、二面角和电荷新闻作为描述符，通过神经互联网构建肽键基础结构与其激发态性质之间的构效关系。 根据训练的机器学习模型，预测了肽键的基态偶极矩和激发态性质，最后预测了肽键的紫外吸收光谱。 为了验证机器学习模型的鲁棒性，研究者基于在300k温度下获得的机器学习模型，预测了肽键在200k和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非常一致。

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。 通过理论计算获得大量数据，采用人工智能训练后，建立了机器学习蛋白质肽键骨架紫外吸收光谱的可行性和特点，蛋白质的光学指纹解读也更简单且比较有效。