中科大江俊&安徽大学叶盛PNAS：谱学智能为蛋白质动态结构解析提供新方案

主要观点总结

本文介绍了中国科学技术大学江俊教授和安徽大学叶盛教授合作使用机器学习模型成功从复杂的超快二维红外光谱中解析出动态的蛋白质结构信息的研究。该研究为理解蛋白质的生物功能提供了新颖有用的见解，并展示了通过追踪蛋白质折叠轨迹中二级结构的动态变化来揭示蛋白质动态行为的关键洞察潜力。

关键观点总结

关键观点1: 研究背景

自上世纪50年代，蛋白质结构解析的工具库得到了极大的丰富，近年来人工智能在蛋白质结构预测领域取得了重大突破。AlphaFold等模型能够准确预测蛋白质自身的静态结构，但解析蛋白质的动态结构仍是各国科学家竞相攀登的新高峰。

关键观点2: 研究内容

江俊教授和叶盛教授团队基于Vision Transformer框架，开发了一套用于预测蛋白质动态结构的谱学预训练模型。模型有效构建了“光谱—结构”联系，可对几十种特征各异蛋白质轨迹的动态二级结构含量进行实时预测，并对真实蛋白质折叠轨迹进行迁移学习。

关键观点3: 实验流程与结果

实验流程包括光谱数据集构建、模型预训练和应用于蛋白质折叠轨迹的迁移学习三部分。模型在验证集上的预测结果决定系数R²大于等于0.98，对于时间尺度在微秒至毫秒的蛋白质折叠轨迹，模型展现出优秀的可迁移性。

关键观点4: 总结与展望

本研究展示了通过机器学习来构建“光谱—结构”联系，预测轨迹中的动态二级结构含量的潜力。模型预计可为揭示蛋白质的动态功能和调控机制提供重要见解，为生命科学和医药研究呈现新的视角。