NVIDIA 联合 Google DeepMind 开放 2800 多种病毒的蛋白复合物结构数据集

当COVID-19出现时，科学家拥有一个关键优势：数十年对冠状病毒的先前研究意味着他们对病毒的关键蛋白已有足够了解，从而能够在创纪录的时间内设计出疫苗。下一次大流行可能不会提供同样的先发优势。 

为了提高胜算，NVIDIA加入了一个由全球研究机构组成的联盟，包括Google DeepMind和欧洲分子生物学实验室的欧洲生物信息学研究所（EMBL-EBI），共同发布了超过2，800种病毒的蛋白质复合物预测3D结构——通过AlphaFold数据库向任何地方的任何科学家公开提供。

新发布数据集中的结构是使用AlphaFold2——Google DeepMind用于预测蛋白质如何折叠成3D形状的AI模型——推断得出的，并借助NVIDIA BioNeMo Inference Runtime进行了优化。这使团队能够将推理扩展到数千个病毒蛋白质组，预测每个病毒所编码的复合物，即相互作用蛋白质的集合。 

“我们对AlphaFold数据库的愿景始终是推动大规模基础生物学知识的普及，”Google DeepMind生命科学合作经理Risha Patel表示。“此次合作将数千个病毒复合物纳入数据库，将为世界各地的科学家提供所需洞见，帮助他们为未来疫情做好准备。”

NVIDIA还公开推出了BioNeMo Structure Prediction Pipeline，这是用于生成该数据集的GPU加速工作流，使研究人员能够针对自己的目标从蛋白质序列得到预测的3D结构。

为下一次大流行所做的准备必须从现在开始。全球发展中心的一项分析估计，到2050年，世界面临与COVID-19同样严重的大流行病的概率约为50%。

“当下一次大流行发生时，可能会出现某种意料之外的东西，而我们将缺乏应对COVID时所拥有的知识，”该项目合作者、英国医学研究理事会-格拉斯哥大学病毒研究中心分子病毒学教授Joe Grove表示。“我们正在努力做的，就是提前储备一部分这样的知识。”

被加入该数据库的蛋白质相互作用中，约30%对科学而言是全新的，显示出从未在蛋白质数据银行（Protein Data Bank）——实验测定蛋白质结构的主要存储库——中记录过的相互作用形状。这为生物学界带来了可供探索和利用的新洞见，以生成新知识。

“这个数据库是假设生成的引擎，”NVIDIA数字生物学应用研究科学团队负责人Chris Dallago表示。“我们正在使生物学家和AI社区能够研究蛋白质相互作用，不仅是作为单个分子，而是作为复合物，从而推动整个领域向前发展。”

预测复杂蛋白质结构

大多数蛋白质并非单独发挥作用——它们聚集成由多个分子组成的复合物，以执行复杂功能。这些结构通常是疫苗或药物必须靶向的对象，以破坏病毒功能。 

例如，了解COVID-19病毒刺突蛋白的3D结构，被证明是疫苗设计的基础。对于其他数千种病毒，目前尚无此类结构知识。这个数据集开始填补这一空白。

确定蛋白质结构的传统方法——将蛋白质结晶并对其发射X射线——可能需要数年时间，每个结构的成本高达数千美元。AlphaFold2经过NVIDIA BioNeMo优化，能够在NVIDIA GPU上高效运行，几分钟内即可预测出一个结构，并且可以批量运行。科学家随后可以通过实验方法验证高置信度的预测结果。 

在这个项目中，团队系统地研究了已知会感染人类的病毒家族的蛋白质结构，从普通感冒病毒到Mpox等新发威胁。 

全球合作，全球可及

这项合作涵盖了流行病防范创新联盟、EMBL-EBI、Google DeepMind、NVIDIA、首尔国立大学、成均馆大学、瑞士生物信息学研究所和格拉斯哥大学。 

该数据集的发布——恰逢世界经济论坛本周在纽约市召开的联合国大会防范、准备和应对流行病会议——为AlphaFold数据库做出了贡献，该数据库目前拥有超过2.6亿个蛋白质和蛋白质复合物预测，涵盖了科学界已知的几乎所有编目蛋白质。

“将这些数据公开对于理解病毒诊断以及开发治疗方法和疫苗至关重要，”EMBL-EBI临时主任Jo McEntyre表示。“该数据集还涵盖了研究较少的病毒，降低了直面疫情的低资源地区科学家的门槛。”

开放数据集中的预测按置信度标注。这些结构展示了病毒复合物可能的样子，以及单个蛋白质在病毒蛋白质组内可能如何相互作用。 

总体而言，这些新数据为数字生物学和疾病研究领域的科学家可获取的信息做出了重大贡献。

“我读博士的时候，我们研究的所有蛋白质都没有任何结构。就像在黑暗中工作——我们只能猜测发生了什么，”Grove说。“这个数据集是现在所有正在攻读博士学位的研究人员的强大工具，为他们提供了高质量的结构数据，将加速基础科学的发展。”

在AlphaFold数据库流行病防范门户上探索病毒蛋白质复合物数据集，使用BioNeMo结构预测流程预测蛋白质靶点的结构，并了解更多关于NVIDIA BioNeMo的信息。