蛋白质

蛋白质是绝大多数药物的直接作用靶点。

他们分析了约4000个人类基因及对应的小鼠基因，并比较其编码蛋白质的降解速率。

在胚胎发育阶段，蛋白质降解尤为重要，因为它能加快调控胚胎体型形成的基因网络——“分割时钟”的节奏。

欧洲分子生物学实验室的一项最新研究，为这一谜题提供了关键线索：在人类和小鼠共有的约4000种蛋白质中，人类蛋白质的降解速度明显更慢。

此前的研究已揭示，蛋白质降解与分割时钟速度密切相关：发育基因HES7所编码的蛋白质，在人类细胞中的降解速度低于小鼠细胞，致使人类分割时钟更慢，胚胎发育也更为缓慢。

蛋白质降解是细胞将蛋白质分解为氨基酸的过程，这一“回收”机制有助于维持细胞的健康运转。

古脑中耐降解蛋白质表现出的相关特征，与衰老及神经退行性疾病中的异常蛋白聚集存在相似之处，包括富含β折叠的有序结构、氧化还原活性氨基酸的修饰，以及由氧化反应形成的分子交联。

研究团队尚未通过实验验证生成蛋白质能否实际折叠、发挥功能或在生物系统中安全运行，因此这些结果还不能直接证明模型设计出的蛋白质具备实际应用能力。

该模型能够联合生成蛋白质的氨基酸序列和三维结构，采用直接在原始数据上训练的方式，省去了传统多阶段训练流程中的中间表示转换环节。

将酶的催化活性位点作为关键输入，围绕特定化学反应设计蛋白质。

AGENTEX则一次使34个密码子可定制，研究人员可制造含34种不同氨基酸的蛋白质。

这是继我国在世界上首次人工全合成蛋白质后，又在世界上首次人工全合成一个完整的核酸分子。

1965年，人工全合成结晶牛胰岛素首次问世的消息一经公布，迅速震动全球科学界——中国率先突破人工全合成蛋白质的世界性难题，为人类从分子层面探索生命本质开辟了全新路径。

他用了一个颇为大胆的类比来形容两者的区别：“如果说AlphaFold以算力攻克了蛋白质结构预测的50年难题，那么奥泊则以迁移学习突破了RNA领域数据稀缺的世界级瓶颈。

徐罡在蛋白质结构预测与设计领域深耕了十余年。

2024年诺贝尔化学奖同时奖励了这两条路线：DavidBaker获奖部分对应计算蛋白质设计，DemisHassabis和JohnJumper则因蛋白质结构预测获奖。

它提供的是一种分子层面的类比：在完全不同的时间尺度和生命状态下，相似的蛋白质结构和氧化化学，都可能让原本应该被清除或降解的物质变得异常稳定。

研究结果显示，古大脑并非没有腐烂，而是被环境推向了一条特殊的分子路径：部分蛋白质片段在缺氧、积水和金属参与的环境中发生氧化交联，进而逐渐形成难以继续分解的稳定结构。

调研还显示，我国超过42%的居民每日优质蛋白质摄入量占总蛋白摄入量的比例不足40%。

三是避免过量摄入，健康成年人每日蛋白质摄入不宜超过每公斤体重2.0克。

简言之，相当一部分中国人在蛋白质的摄入上，普遍没有吃够。

AI模型发现人体中“隐形”蛋白质TM184C

此次研究的主角是蛋白质TM184C。

郭天南团队开发出的微量样本蛋白质组分析方法体系，仅需芝麻大小的组织样本，便可完成标准化蛋白质组学分析，不仅将分析速度提高了约十倍，还显著降低了实验成本。

人工智能赋能的虚拟细胞模型代表了计算机药物发现的一种新兴方法，但大多数现有方法缺乏大规模、时间分辨的扰动蛋白质组学数据以及用于预测治疗反应的可解释框架。

“蛋白质靶点分布不明，导致许多抗癌创新药在临床试验中，因出现意料之外的副作用而研发失败。

尽管大量容易降解的蛋白质同样消失，但另一部分肽段并没有继续减少，反而由于周围物质不断流失，在剩余蛋白质中的相对比例逐渐升高。

人工智能赋能的虚拟细胞模型代表了计算机药物发现的一种新兴方法，但大多数现有方法缺乏大规模、时间分辨的扰动蛋白质组学数据以及用于预测治疗反应的可解释框架。

蛋白质是绝大多数药物的直接作用靶点。

通过对蛋白质如何条件性响应不同扰动进行建模，该方法使模型能够作为操作工具用于多种药物发现任务：预测药物疗效和协同作用、发现新药物组合、探究与耐药相关的蛋白质、对患者反应进行分层，以及为患者类器官优先筛选候选药物。

“蛋白质靶点分布不明，导致许多抗癌创新药在临床试验中，因出现意料之外的副作用而研发失败。

随后选取最成功的tRNA，设计匹配的核糖体，在裂解液中生产新型蛋白质。

蛋白质是绝大多数药物的直接作用靶点。