近日，華為與高毅勤教授團隊、田長麟教授團隊、王申林教授團隊合作，基于昇騰AI基礎軟硬件平臺與昇思MindSpore AI框架開發(fā)了核磁共振波譜法（NMR）數(shù)據(jù)自動解析方法FAAST（iterative Folding Assisted peak ASsignmenT），利用昇思MindSpore SPONGE生物計算套件實現(xiàn)了NMR數(shù)據(jù)解析時間從數(shù)月到數(shù)小時的縮短，與現(xiàn)有方法相比效率提升超過10倍。
蛋白質是生命活動的主要承擔者，獲取蛋白質結構是現(xiàn)代藥物研發(fā)流程中不可或缺的環(huán)節(jié)。由于藥物一般在溶液態(tài)環(huán)境下與目標蛋白結合發(fā)揮作用，蛋白質的溶液態(tài)（動態(tài)）結構對于藥物研發(fā)與生命活動研究具有重要意義。
蛋白質YgaP的硫氰酸酶結構域
核磁共振方法測得的溶液態(tài)結構（左）與X射線法測得的晶體態(tài)結構（右）
已有的蛋白質結構計算方法如MEGA-Fold/AlphaFold以預測單一構象為主[1][2]，在模型預測信息和實驗信息不一致時難以處理兩者誤差。如何應用AI模型輔助實驗結構解析、應用實驗信號幫助提高結構預測精度等問題依然亟待解決。核磁共振方法（NMR）是唯一一種以原子分辨率解析更貼近蛋白質在實際環(huán)境下的溶液態(tài)構象與動態(tài)結構的方法 [3]，然而該方法存在數(shù)據(jù)解析速度慢的問題，平均單條蛋白需領域專家投入至少數(shù)月，而其中大部分時間都消耗在實驗數(shù)據(jù)的解析和歸屬上。
為了提高 NMR 實驗數(shù)據(jù)解析的速度和準確性，華為與高毅勤教授團隊（昌平實驗室、北京大學化學與分子工程學院和生物醫(yī)學前沿創(chuàng)新中心（BIOPIC））、田長麟教授團隊（中國科技大學、中科院強磁場科學中心）、王申林教授團隊（華東理工大學生物反應器工程國家重點實驗室）合作，基于昇騰AI和昇思MindSpore開發(fā)了NMR數(shù)據(jù)（NOESY譜）自動解析方法FAAST（iterative Folding Assisted peak ASsignmenT）[4]，實現(xiàn)了NMR數(shù)據(jù)解析時間從數(shù)月到數(shù)小時的縮短，相關代碼已通過在開源社區(qū)Gitee的MindSpore SPONGE 代碼倉開源[5]。
現(xiàn)有方法核磁共振數(shù)據(jù)解析流程
FAAST核磁共振數(shù)據(jù)解析流程
FAAST方法融合了自主創(chuàng)新的AI+約束結構預測模型RASP(Restraints Assisted Structure Predictor)，該模型可以生成滿足NMR實驗測得的結構約束的蛋白質結構?；赗ASP模型，F(xiàn)AAST可以實現(xiàn)數(shù)據(jù)解析和結構預測的交互迭代，自動解析NMR數(shù)據(jù)并獲取蛋白質動態(tài)結構與結構約束信息，在解析精度與領域專家解析持平的前提下，實現(xiàn)了NMR數(shù)據(jù)解析時間從數(shù)月到數(shù)小時的縮短。
解析精度對比
核磁共振方法各階段耗時對比
FAAST 方法大幅降低了 NMR 實驗數(shù)據(jù)解析的門檻。應用該方法，領域專家可以從繁瑣的數(shù)據(jù)解析工作中釋放精力，專注于實驗設計和所得結構的生物學分析，推動生命科學研究和藥物研發(fā)流程取得新突破。
北京大學博雅特聘教授、北大-清華生命科學聯(lián)合中心研究員唐淳教授認為，該工作不僅可以將核磁共振實驗約束引入到結構預測，還可以用來引入其他的約束。如質譜交聯(lián)[6]、熒光共振能量轉移[7]都可以作為距離約束，可以全面互補的來對蛋白結構優(yōu)化。因此，高毅勤團隊所開發(fā)的這一方法也會在整合結構生物學得到廣泛的應用。
[1] Jumper J, et al. Highly accurate protein structure prediction with AlphaFold. Nature. 2021 Aug;596(7873):583-589. doi: 10.1038/s41586-021-03819-2. Epub 2021 Jul 15. PMID: 34265844; PMCID: PMC8371605.
[2] Liu S, Zhang J, Chu H, et al. PSP: million-level protein sequence dataset for protein structure prediction[J]. arXiv preprint arXiv:2206.12240, 2022.
[3] Lutomski CA, El-Baba TJ, Robinson CV, Riek R, Scheres SHW, Yan N, AlQuraishi M, Gan L. The next decade of protein structure. Cell. 2022 Jul 21;185(15):2617-2620. doi: 10.1016/j.cell.2022.06.011. PMID: 35868264.
[4] Liu S, Chu H, Xie Y, et al. Assisting and Accelerating NMR Assignment with Restrainted Structure Prediction[J]. bioRxiv, 2023: 2023.04. 14.536890.
[5] https://gitee.com/mindspore/mindscience/tree/master/MindSPONGE/applications/research/FAAST
[6] Stahl, K., et al., Protein structure prediction with in-cell photo-crosslinking mass spectrometry and deep learning. Nat Biotechnol, 2023.
[7] Tang, C. and Z. Gong, Integrating Non-NMR Distance Restraints to Augment NMR Depiction of Protein Structure and Dynamics. J Mol Biol, 2020. 432(9): p. 2913-2929.
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
