國際生醫新聞

秒速閱讀: 理想很美好，事實很殘酷。但令人敬佩的科學家還是在實驗室努力，經歷一次次的失敗，試圖找出治療人類疾病的方法。 在科學上令人敬佩，但投資上如果是很早期的數據，還是需要謹慎評估。

在 COVID-19 疫情之初，科學家確認了 SARS-CoV-2 的棘蛋白是入侵宿主細胞的關鍵，也分析出其結構，對後續快速開發藥物與疫苗相當重要。但不僅是 COVID-19，幾乎各種疾病都有其關鍵、具有預防或治療意義的蛋白質，因此，找出「可與之結合」的蛋白質或分子，將對於臨床相當有意義。

延伸閱讀: 《創新醫材》 臨床前亮麗數據未能轉化為臨床效益！英國 Benevolent AI 裁員 180 人、股價從高點重挫80%市值僅剩90億台幣

日前，瑞士洛桑聯邦理工學院 (EPFL) 的研究人員在《Nature》期刊上，發表了他們利用先前開發的機器學習法 MaSIF，創造了一種稱為「黏合劑」的全新蛋白質，目的在與四種與治療相關的蛋白質靶標相互作用，其中也包括了 SARS-CoV-2 的棘蛋白。

MaSIF 可以根據蛋白質的表面化學和幾何形狀，為每個蛋白質確立其特定的「指紋」，並預測它們可能如何與其他蛋白質結合；由於是以電腦運算，故可快速掃描數以百萬計的蛋白質片段，讓研究人員可以在短時間內搜尋、設計出一系列新穎的、具位點特異性的治療性蛋白質。這在時間緊迫的情況下 (例如未來可能面臨的大流行病) 可能特別有意義。

研究人員先用他們的機器學習方法，針對「具有預防/治療意義的蛋白質」，建立其蛋白質指紋，然後在一個蛋白質片段資料庫中篩選出「被預測為可與該指紋結合得很好」的「候選蛋白質片段」；接著，他們將該片段數位化地嫁接到更大的蛋白質支架上，並選擇「結合效力最好」的「候選黏合劑」，最後再於實驗室中真正合成這些「候選黏合劑」、測試其實際結合的能力。

研究人員目前已經使用此方法，創建了一系列的蛋白質結合物。期望以此技術，能為現有的、難以成藥的疾病找到突破點，也為將來未知的疾病做好應對準備！

瑞士洛桑聯邦理工學院 (EPFL) : MaSIF（分子表面相互作用指紋）

僅根據結構預測蛋白質和其他生物分子之間的相互作用仍然是生物學中的一個挑戰。蛋白質分子表面顯示出化學和幾何特徵的模式，這些特徵可以識別蛋白質與其他生物分子相互作用的模式。我們的實驗室假設參與相似相互作用的蛋白質可能具有共同的指紋，而與其進化歷史無關。指紋可以從大規模數據集中學習，因此我們開發了 MaSIF（分子表面相互作用指紋），這是一個基於幾何深度學習方法的概念框架，用於捕獲對特定生物分子相互作用很重要的指紋。MaSIF 的概念驗證已通過三個預測挑戰得到證明：蛋白質口袋配體預測，

延伸閱讀：《 COVID-19檢測》呼一口氣知道確診!! 鐳射搭配AI人工智慧檢測新冠病毒快速且節省成本

資料來源：Medgadget、EPFL