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

当 COVID-19 出现时，科学家们拥有一个关键优势：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，从而能够以前所未有的速度设计疫苗。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 2,800 多种病毒的蛋白质复合物的预测 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，即相互作用的蛋白质组。 

“我们构建 AlphaFold 数据库的初衷始终是让基础生物学知识能够大规模地民主化获取，”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他们所需的洞见，以帮助为未来的疫情暴发做好准备。”

NVIDIA 还公开了用于生成该数据集的 GPU 加速工作流 BioNeMo Structure Prediction Pipeline，以便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现在就开始。全球发展中心的一项分析估计，到 2050 年，世界面临一场与 COVID-19 同样严重的大流行的可能性约为 50%。

“当下一次大流行发生时，可能会出现某种完全出乎意料的东西，而我们将缺乏应对 COVID 时所拥有的知识，”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、该项目合作者 Joe Grove 表示。“我们正在努力做的，就是提前储备一些这样的知识。”

被添加到数据库中的蛋白质相互作用中，约 30% 对科学而言是全新的，展示了从未在蛋白质数据库（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。这意味着生物学界可以探索和利用新的洞见，以产生新知识。

“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。”

预测复杂的蛋白质结构

大多数蛋白质并非单独工作——它们会聚集成由多个分子组成的复合物，以执行复杂的功能。这些结构往往正是疫苗或药物必须靶向的对象，以破坏病毒功能。 

例如，理解 COVID-19 病毒刺突蛋白的 3D 结构被证明是疫苗设计的基础。而对于其他数千种病毒，目前尚不存在这样的结构知识。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——将蛋白质结晶并用 X 射线照射——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，可在 NVIDIA GPU 上高效运行，能在几分钟内预测出一个结构，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联合国大会关于大流行病预防、防范和应对的会议——为 AlphaFold 数据库做出了贡献，该数据库目前包含超过 2.6 亿个蛋白质和蛋白质复合物预测，覆盖了科学界已知的几乎所有已编目蛋白质。

“将这些数据开放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 说。“该数据集还涵盖了研究较少的病毒，并降低了正在第一线应对疫情的低资源环境科学家的门槛。”

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们可获取的信息做出了重大贡献。

“我读博士时，我们正在研究的任何蛋白质都没有结构。就像在黑暗中工作——我们不得不猜测发生了什么，”Grove 说。“这个数据集是现在所有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 数据库大流行病防范门户 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。