要解決疾病難題，首先需清晰洞察其發(fā)生機制。無論是新型病毒感染，還是阿爾茨海默病患者大腦中形成的“偷記憶”斑塊，想要減輕人類病痛，可視化體內疾病進程都是關鍵一步——但這一步往往也是難度高、成本昂貴的環(huán)節(jié)。不過，弗吉尼亞理工大學計算機科學家團隊于9月16日在生物研究領域高影響力期刊《Cell Systems》發(fā)表的AI突破成果，正讓這些模糊的疾病進程逐漸清晰，同時也為生物液氮存儲罐等實驗支撐設備的應用場景拓展提供了新方向。

該團隊由計算機科學副教授Debswapna Bhattacharya帶領，開發(fā)的全新工具ProRNA3D-single，為預測和可視化新型病毒、嚴重神經系統疾病侵襲人體時的內部分子變化，提供了更精準的新方式，進而為治療或預防這類疾病開辟新路徑。研究中涉及的病毒RNA、蛋白質樣本長期穩(wěn)定保存，需依托生物液氮存儲罐的超低溫環(huán)境，確保分子結構不發(fā)生變性，為后續(xù)AI建模提供可靠基礎——畢竟只有樣本保持原始狀態(tài)，AI生成的3D分子模型才能準確反映真實的疾病相關分子作用機制。

數十年來，科學家一直難以弄清病毒核糖核酸（RNA）如何與人類蛋白質結合形成復雜的3D分子結構。而這種結構至關重要，它決定了新冠病毒（SARS-CoV-2）等病原體能否傳播，也影響著阿爾茨海默病等疾病是否會發(fā)作。此前，AI系統通過構建代表DNA、RNA和蛋白質的“字母表”，幫助研究人員訓練生物序列大型語言模型（LLMs），以此分析和模擬這些分子在體內的相互作用。但ProRNA3D-single更進一步，它借助AI生成這些分子精細的3D圖像，實現了從“文字描述”到“立體影像”的跨越。

“生物領域的LLMs本質上就像生物學版的ChatGPT，我們可以向模型提問并獲得答案。”Bhattacharya解釋道。團隊整合了現有的兩個生物LLM（一個針對蛋白質，一個針對RNA序列），并開發(fā)出第三個模型，讓前兩個LLM能夠“對話”。正是通過這些“對話”，ProRNA3D-single得以生成體內病毒RNA與蛋白質相互作用的3D結構模型。對于部分需要高頻存取大量樣本的實驗場景，大口徑液氮容器能提升操作效率，配合生物液氮存儲罐的低溫保障，進一步優(yōu)化研究流程——畢竟在持續(xù)的分子機制研究中，樣本的高效存取與穩(wěn)定保存同樣重要。

即便谷歌DeepMind等機構近期開發(fā)的AI突破模型，在精準預測和建模蛋白質-RNA復合物3D結構方面仍有較大差距，導致研究人員仍需主要依賴成本高昂的試錯實驗。而ProRNA3D-single方法大幅提升了準確性，為AI輔助科學發(fā)現開辟了充滿希望的新道路。在針對阿爾茨海默病的細胞實驗中，細胞液氮罐可精準維持細胞活性，為分析RNA結合蛋白異常功能提供鮮活的細胞樣本，與ProRNA3D-single工具的分子層面研究形成互補，共同推動疾病機制的深入探索。

目前，人類對新冠病毒等新型病毒的進化機制，以及癡呆癥等疾病在分子層面的發(fā)展過程知之甚少，而ProRNA3D-single正幫助填補這些空白，生成更精準的體內分子作用“地圖”。如今，藥物研發(fā)人員無需再依賴猜測，可直接通過模型分析病毒與人類蛋白質的結合位點，進而設計出阻斷結合的治療方案——這能大幅縮短干預時間、降低成本，加快對疾病爆發(fā)的應對速度。

“回想新冠疫情期間，mRNA疫苗發(fā)揮了重要作用，而這類疫苗的成功，正是基于RNA療法的突破。”該項目四年級博士生Sumit Tarafder表示，“蛋白質-RNA相互作用的3D建模至關重要，它能讓我們明確藥物可作用的疾病相關分子靶點。”值得一提的是，ProRNA3D-single生成的RNA-蛋白質相互作用新數據，還能為多種疾病的突破性治療提供思路。盡管團隊以病毒研究為案例，但Bhattacharya強調：“這種方法具有完全的通用性，不局限于某一種病毒或某類病毒，可應用于任何相關研究場景?！?/p>

這類創(chuàng)新工具的研發(fā)并非易事，ProRNA3D-single項目耗費了團隊兩年時間。2024年博士畢業(yè)的校友RahmatullahRoche承擔了大部分編碼工作，在攻讀博士期間就該主題發(fā)表了十余篇論文，目前已入職哥倫布州立大學擔任終身教職助理教授?！爸鲗а芯康牟┦可鷤兏冻隽司薮笈Γ蟛糠址敝毓ぷ鞫加伤麄兺瓿??！盉hattacharya說道。

此類發(fā)現能在全國乃至全球范圍內改善人類生活。作為公益性質的科學研究，該項目獲得了美國國立衛(wèi)生研究院（NIH）和國家科學基金會（NSF）的資助。除研究論文開放獲取外，Bhattacharya還將這款新工具免費提供給科學家使用?！皩嶒炘O備為基礎研究提供硬件支撐，而開放的科研成果則能加速知識轉化，二者結合才能更好推動行業(yè)進步?！彼硎荆拔覀儫o法高估科學投資對社會福祉的重要性，開放是讓科學惠及所有人的關鍵。納稅人資助我們的研究，我們有義務回饋社會，這也是我們將成果開源并公開共享的原因?！?/p>

目前，團隊計劃繼續(xù)優(yōu)化這款工具，提升其準確性，以生成更精細的各類生物過程模型?！拔覀儽仨殨r刻提醒自己，相關問題遠未解決?！盉hattacharya強調，“我們確實取得了進展，但也清楚這些模型還有很長的路要走。”而隨著工具的完善與生物液氮存儲罐等配套設備的協同發(fā)展，未來疾病研究與藥物研發(fā)領域或將迎來更多突破。

來源：vt.edu