来源：科技日报

科技日报记者 张佳欣

理解蛋白质如何折叠及其动态运动过程，是开发高效靶向药物的核心关键。近日，瑞士洛桑联邦理工学院的研究团队取得了一项重要突破，他们成功开发出一种名为“全蛋白质生成潜在扩散”（LD-FPG）的新型人工智能框架。该框架的卓越之处在于，首次实现了对蛋白质完整动态模型的高精度生成，能够精确模拟每一个原子的运动轨迹。业界专家普遍认为，这项AI技术成果有望从根本上革新基于蛋白质动态行为的药物设计策略。

当前，许多药物和抗体的研发都聚焦于结构复杂的细胞膜蛋白。其原理在于：当候选药物分子与这些靶点蛋白结合时，会触发一系列关键的生物化学反应，从而调控细胞功能。因此，清晰地洞察蛋白质的“动态行为”，而不仅仅是获取其静态结构“快照”，对于药物发现至关重要。

目前，人工智能已成为生成新型蛋白质结构的有力工具，但包括“阿尔法折叠”在内的大多数系统，主要生成的是蛋白质的静态三维结构。然而，现实中的蛋白质是高度动态的，其内部被称为“侧链”的原子团会发生细微但关键的重排。这些微小的构象变化，直接决定了蛋白质与其他生物分子的相互作用模式，而现有模型往往难以精准捕捉这些动态细节。

如何突破这一技术瓶颈？研究团队给出的创新解决方案是LD-FPG框架。其设计思路非常巧妙：与传统方法直接预测每个原子的精确坐标不同，LD-FPG首先学习蛋白质形态变化的潜在“规律”。具体而言，该系统利用先进的“图神经网络”算法，将复杂的蛋白质三维结构压缩编码成一种简化的“潜在图谱”。随后，AI深度学习这些图谱中蕴含的结构与运动特征，最终重建出包含全部原子及其动态变化过程的高分辨率模型。

为验证该系统的有效性，研究团队应用其生成了多巴胺D2受体在活跃与非活跃状态下的动态结构。该蛋白是G蛋白偶联受体家族的关键成员，负责识别神经递质多巴胺并调控一系列重要的细胞反应，是全球药物研发中最受关注的核心靶点之一。

这项AI框架的核心意义正在于此：它不再局限于预测蛋白质的静态三维结构，而是将焦点扩展至其完整的动态运动过程。这如同从观察单张照片升级为观看高清动态影像，为针对蛋白质动态构象进行创新药物设计开辟了全新路径。除了深化对基础生物学的理解，这项前沿技术还有望大幅优化当前依赖大量试错的虚拟筛选流程，从而为整个药物发现领域按下“加速键”。