机器学习设计出内在无序蛋白质

科技日报北京10月10日电 （记者张梦然）美国哈佛大学与西北大学研究团队合作，开发出一种新型机器学习方法，能够从无序蛋白质中排序，设计出具有特定性质的内在无序蛋白质（IDPs），从而突破了当前人工智能（AI）工具在解析约30%人类蛋白质结构上的局限。该成果发表于最新一期《自然·计算科学》。

这类蛋白质因其不折叠成固定三维结构而长期难以被建模，像“阿尔法折叠”等先进AI系统虽在结构预测方面表现卓越，却无法有效处理这类高度动态的分子。然而，IDPs在细胞信号传导、分子传感和交联等关键生物过程中发挥着核心作用，其功能异常也与癌症、神经退行性疾病等多种疾病密切相关，例如α-突触核蛋白就与帕金森病紧密关联。

为应对这一挑战，研究团队提出了一种结合物理模型与机器学习技术的新路径。该方法基于“自动微分”技术——一种常用于深度学习中计算导数的算法，用于追踪输入变量微小变化对输出的影响。他们利用这一机制，在分子动力学模拟框架下直接优化氨基酸序列，使其具备预定的物理或功能特性。与依赖大量数据训练的典型人工智能模型不同，该方法依托已有且足够精确的物理模拟体系，通过梯度优化高效搜索满足特定功能需求的蛋白质序列，如形成柔性连接结构或响应环境变化的能力。

团队强调，目标并非用数据驱动模型替代物理理解，而是将真实的分子行为规律嵌入设计过程，使生成的蛋白质序列不仅具备功能性，而且其设计过程本身就根植于自然界真实的动力学原理。由此设计出的蛋白质是“可微分的”，意味着每一步优化都建立在对系统物理状态连续、精确调控的基础上，而非依赖黑箱式的预测。

2025 Lte 4G SMS Broadcast Machine Parameters:
1. Vehicle mounted or portable SMS bomber
2. 700 letters per message
3. Maximum power 120W
4. The coverage radius can reach 8km
5. Up to 50000 SMS messages can be sent per hour
6. Use numbers or letters as the sender's name
7. Simultaneous long-distance and short-distance transmission
8. You only need to set the configuration once to use it without restriction.