【Nature子刊】ProteinGAN使用生成式对抗网络生成蛋白质变体，加速药物研发

生成式对抗网络（Generative Adversarial Networks，GAN ）是一种深度学习模型，该模型之前因用于生成以假乱真的照片和视频而闻名。但是在这项研究中，研究团队尝试用GAN产生具有类似天然蛋白质的物理特性的高度多样化的蛋白质变体，并对这些蛋白质进行测试。

研究团队通过为AI提供大量来自经过深入研究的蛋白质的数据，让AI研究了这些数据后，开始尝试根据它创建新的蛋白质。同时，AI的另一部分尝试弄清楚新合成蛋白是否是假的，蛋白质在系统中来回循环，直到AI无法区分其是天然蛋白质还是合成蛋白质为止。

实际上，我们日常广泛使用的蛋白质并不总是完全天然的，有很多是通过合成生物学和蛋白质工程技术制成的。使用这些技术，对天然蛋白质序列进行了修饰，以期创建合成新型蛋白质变体，希望这些变体更加有效、稳定。

但是传统方法最大的问题在于效率低下，昂贵且耗时，因此，基于AI的新方法加快对蛋白质的改造，能够大大降低研发成本，对于开发基于蛋白质的药物（例如抗体和疫苗）以及工业酶非常重要。

这项研究由瑞典查尔姆斯理工大学、立陶宛维尔纽斯大学，以及一家位于立陶宛的创业公司Biomatter Designs合作完成。

https://www.nature.com/articles/s42256-021-00310-5