蛋白質(zhì) ，是大而復雜的分子，在所有活細胞中起著至關重要的作用，是生命活動的執(zhí)行者，它們會自然地構建、修飾和分解我們細胞內(nèi)的其他分子，蛋白質(zhì) 還廣泛用于工業(yè)過程和產(chǎn)品以及我們的日常生活中。

以蛋白質(zhì)為基礎的藥物也非常普遍，例如治療糖尿病的胰島素，就是最常用的處方藥之一，一些昂貴的抗癌藥物也是基于蛋白質(zhì)的抗體藥。

如果想改造出與自然界發(fā)現(xiàn)的蛋白質(zhì)或酶不同的蛋白質(zhì)和酶， 目前使用的蛋白質(zhì)工程的方法，依賴于將隨機突變引入蛋白質(zhì)序列， 但是，每引入一個額外的隨機突變，蛋白質(zhì)活性就會下降。 而且， 整個過程非常緩慢，需要進行多輪非常昂貴且耗時的實驗，以篩選出數(shù)百萬個蛋白變體 。

研究團隊開發(fā)了一種名為 ProteinGAN 的基于AI的生成式深度學習方法，該方法能夠 產(chǎn)生 新型的、有功能活性的蛋白質(zhì) ，而且整個過程非常快，僅需幾周時間就能從計算機設計到得到有功能活性的蛋白。

這項研究代表了合成蛋白質(zhì)領域的新突破，有助于 更快速、更經(jīng)濟地開發(fā)基于蛋白質(zhì)的治療藥物 。

研究團隊通過為AI提供大量來自經(jīng)過深入研究的蛋白質(zhì)的數(shù)據(jù)，讓AI研究了這些數(shù)據(jù)后，開始嘗試根據(jù)它創(chuàng)建新的蛋白質(zhì)。 同時，AI的另一部分嘗試弄清楚新合成蛋白是否是假的， 蛋白質(zhì)在系統(tǒng)中來回循環(huán)，直到AI無法區(qū)分其是天然蛋白質(zhì)還是合成蛋白質(zhì)為止。

實際上，我們?nèi)粘V泛使用的蛋白質(zhì)并不總是完全天然的，有很多是通過合成生物學和蛋白質(zhì)工程技術制成的。使用這些技術，對天然蛋白質(zhì)序列進行了修飾，以期創(chuàng)建合成新型蛋白質(zhì)變體，希望這些變體更加有效、穩(wěn)定。 

但是傳統(tǒng)方法最大的問題在于效率低下，昂貴且耗時，因此，基于AI的新方法加快對蛋白質(zhì)的改造，能夠大大降低研發(fā)成本，對于開發(fā)基于蛋白質(zhì)的藥物 （例如抗體和疫苗） 以及工業(yè)酶非常重要。

團隊表示，下一步將探索如何將該技術用于蛋白質(zhì)特性的特定改進，例如提高穩(wěn)定性，這可能會給工業(yè)技術、以及疾病治療中使用的蛋白質(zhì)產(chǎn)生極大改進和提升。