蛋白质

蛋白质是绝大多数药物的直接作用靶点。

仅仅一周后，“长江杯”AI蛋白质设计挑战赛在上海正式启动，同样承诺免费提供不少于5000个湿实验机会，并面向全球研究团队开放。

作为“长江杯”重要发起人之一，上海交大教授洪亮是国内AI蛋白质设计领域的重要学者。

总体上，在蛋白质设计领域，实验验证目前跟不上AI设计能力的进步；

在AI4S（AIforScience，即“科学智能”）有望率先突破的新药研发领域，两场大规模的AI蛋白质设计比赛，正在太平洋两岸同步推进。

自动化实验室系统，能让AI蛋白质设计验证流程更加高效。

“AI蛋白质设计正处于行业拐点。

这意味着，这两场AI蛋白质设计大赛的考题，包括“阅卷分析”，将为新一轮研发提供线索和“教材”。

上月，美国AI巨头Anthropic与瑞士蛋白质工程公司Adaptyv宣布联合举办大型蛋白质设计挑战赛。

”论文共同通讯作者原发杰表示，该研究尝试将自然语言功能描述直接作为蛋白质设计的输入，为功能蛋白质设计提供了新的路径。

在传统蛋白质设计中，研究人员通常需要从天然蛋白质出发，通过结构分析、关键位点调整以及多轮实验筛选，不断优化目标功能，整个过程复杂且需要较高的试错成本。

该研究提出了蛋白质设计模型Pinal。

”论文共同通讯作者原发杰告诉记者，该研究尝试将自然语言功能描述直接作为蛋白质设计的输入，为功能蛋白质设计提供了新路径。

在传统蛋白质设计中，研究人员通常需要从天然蛋白质出发，通过结构分析、关键位点调整及多轮实验筛选，持续优化目标功能，整个过程复杂且试错成本较高。

香港科技大学（广州）助理教授卢泓远团队，西湖大学助理教授原发杰、研究员刘建明团队，以及中国科学院深圳先进技术研究院研究员司同团队合作，提出了蛋白质设计模型Pinal。

洪亮认为，基于中国完整的产业基础和供应链体系，这些优势在短期内很难被其他国家复制，可以支撑AI蛋白质设计的变革。

这场AI蛋白质设计比赛将如何改变行业，让我们拭目以待。

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。

与编程和数学研究不同，AI介入生命科学、设计蛋白质，涉及真实的物理世界，必须通过实验来检验其设计能否奏效。

洪亮告诉记者，过去一年，AI设计蛋白质的水平快速提升，部分模型甚至超越了阿尔法折叠的能力边界。

10月21日，香港科技大学（广州）助理教授卢泓远团队、西湖大学助理教授原发杰、研究员刘建明团队，以及中国科学院深圳先进技术研究院研究员司同团队合作完成的研究，以《基于自然语言的功能蛋白质可编程设计》为题发表于《自然》。

相当于让模型先知道“发挥这个功能的蛋白质长什么样子”，再设计序列。

这相当于让模型先知道“发挥这个功能的蛋白质长什么样子”，再设计序列。

但随着后续功能数据的持续积累，以及AI模型与高通量实验技术的进一步融合，这种“用说话的方式设计蛋白质”的模式，未来有望在绿色制造、环境治理、生物医药等领域释放应用潜力。

因此，它检验的不只是单个蛋白质能否工作，还包括人工设计的蛋白质能否融入复杂的多酶反应体系。

但随着后续功能数据的持续积累，以及AI模型与高通量实验技术的进一步融合，这种“用说话的方式设计蛋白质”的模式未来有望在绿色制造、环境治理、生物医药等领域释放应用潜力。

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。

而饮食中蛋白质来源越丰富的人——例如同时摄入肉类、鱼类、蛋类和豆类——发生虚弱的比例越低[3]。

蛋白质来源越丰富，老年人越不容易虚弱。

充足的蛋白质摄入还有助于维持肌肉质量、身体力量和免疫功能，也与较低的炎症水平以及更好的身体功能状态相关[2]。

在一项纳入4.8万名女性的长期研究中，研究人员随访数十年后发现，中年时期蛋白质摄入较高的人，在晚年更有可能保持良好的身体功能和认知状态[4]。

结果显示，老年人的平均每日蛋白质摄入量从63.3克下降到57.8克，同时摄入量低于推荐水平的人群比例明显增加[2]。

近些年，中国老年群体出现了一个值得关注的现象：膳食蛋白质摄入量整体呈下降趋势。

这意味着，在现实生活中，不少老人已经逐渐处于蛋白质摄入不足的边缘。

这提示我们，在真实的老龄社会里，蛋白质摄入可能是影响长寿的重要因素之一。

这说明，充足的蛋白质摄入不仅可能影响寿命长度，也与晚年生活质量密切相关。

如果对人工智能（AI）说一句“我想要一种能降解PET塑料的酶”，它能否据此生成一条可在实验室里验证的候选蛋白质序列？

2026年10月25日16:25滚动播报如果对人工智能（AI）说一句“我想要一种能降解PET塑料的酶”，它能否据此生成一条可在实验室里验证的候选蛋白质序列？

“只需输入一段描述目标功能的文字，Pinal模型便能生成候选蛋白质序列，供后续筛选和实验验证。

为支撑这套逻辑，团队构建了包含17亿组蛋白质—文本配对的大规模合成数据集，覆盖约1.35亿条不同的蛋白质序列及其对应结构，最终训练出参数规模达160亿的Pinal模型。

“只需输入一段描述目标功能的文字，Pinal便能生成候选蛋白质序列，供后续筛选和实验验证。

为支撑这套逻辑，团队构建了包含17亿组蛋白质—文本配对的大规模合成数据集，覆盖约1.35亿条不同的蛋白质序列及其对应结构，最终训练出参数规模达160亿的Pinal。

一句“我想要”，AI就能生成候选蛋白质序列？

收到参赛者提交的蛋白质序列（相当于设计图）之后，主办方将按规则，遴选出不少于5000个候选设计，提交给第三方研发和实验服务机构（CRO），由他们“按图索骥”，制备出蛋白质分子，并检测各种与药物开发有关的指标，比如与目标靶点的结合能力。

图为计算机模拟的三维蛋白质分子结构

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。

“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。

进一步分析显示，当饮食中的蛋白质比例增加时，无论是动物蛋白还是植物蛋白，实现健康老龄化的人群比例都随之增加，也就是拥有更好的老年健康状况[4]。

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。

蛋白质是绝大多数药物的直接作用靶点。

“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。

蛋白质是绝大多数药物的直接作用靶点。