記者從中國科大獲悉，該校微尺度物質(zhì)科學國家研究中心江俊教授與其合作者合作，通過利用人工智能機器學習中的神經(jīng)網(wǎng)絡技術，模擬了蛋白質(zhì)肽鍵結(jié)構(gòu)與性質(zhì)之間的構(gòu)效關系，大大降低了計算量，為預測蛋白質(zhì)的光學特性提供了一種高效的工具。相關成果日前發(fā)表在《美國科學院院報》上。

　　蛋白質(zhì)的光譜響應信號，尤其是紫外光譜，可以稱之為蛋白質(zhì)骨架的“指紋”。這個“光學指紋”，經(jīng)過理論模擬的解讀，可以揭示出精確的蛋白質(zhì)結(jié)構(gòu)，為生命科學和醫(yī)學診斷提供極其重要的信息。

　　然而，蛋白質(zhì)的結(jié)構(gòu)極其復雜多變，需要做大量的高精度的量子化學理論計算。由于計算量太大，即使是最厲害的超級計算機也“吃不消”。所以蛋白質(zhì)光譜的理論解讀是一個長期的困難與挑戰(zhàn)，限制了光譜的準確分析和蛋白質(zhì)結(jié)構(gòu)的發(fā)現(xiàn)。

　　研究人員首先在300K溫度下通過分子動力學模擬以及量子化學計算，得到了五萬組不同構(gòu)型的肽鍵模型分子。通過機器學習算法篩選出鍵長、鍵角，二面角跟電荷信息作為描述符，通過神經(jīng)網(wǎng)絡來構(gòu)建肽鍵基態(tài)結(jié)構(gòu)與其激發(fā)態(tài)性質(zhì)之間的構(gòu)效關系。基于訓練好的機器學習模型，預測出了肽鍵的基態(tài)偶極矩及激發(fā)態(tài)性質(zhì)，最后預測出肽鍵的紫外吸收光譜。為了驗證機器學習模型的魯棒性，研究人員又基于300K的溫度下得到的機器學習模型，預測出肽鍵在200K以及400K溫度下的紫外吸收光譜，其結(jié)果與時間密度泛函理論計算結(jié)果達到很好的吻合。

　　這是人工智能技術首次用于理論計算預測蛋白質(zhì)的光譜研究。通過理論計算得到大量數(shù)據(jù)，使用人工智能加以訓練后，確立了機器學習模擬蛋白質(zhì)肽鍵骨架紫外吸收光譜的可行性和優(yōu)勢，蛋白質(zhì)的“光學指紋”解讀也將會變得更加輕易和有效。(吳長鋒)