一种新的人工智能(ai)工具可以对未知蛋白质的功能进行逻辑推断，有望帮助科学家解开细胞的内部工作原理。
该工具由KAUST生物信息学研究员Maxat Kulmanov及其同事开发，优于预测蛋白质功能的现有分析方法，甚至能够分析现有数据集中没有明确匹配的蛋白质。
这项研究发表在《自然机器智能》杂志上。
该模型被称为DeepGO-SE，利用了类似于Chat-GPT等生成式人工智能工具使用的大型语言模型。然后，它采用逻辑蕴涵，根据蛋白质工作方式的一般生物学原理，得出有关分子功能的有意义的结论。
从本质上讲，它使计算机能够通过构建部分世界的模型(在本例中是蛋白质功能)来逻辑地处理结果，并根据常识推断出最合理的场景，并推理出这些世界模型中应该发生的事情。
“这种方法有很多应用，”KAUST生物本体研究小组负责人罗伯特·霍恩多夫(Robert Hoehndorf)说，他监督了这项研究，“特别是当需要对神经网络或其他机器学习模型产生的数据和假设进行推理时。”
Kulmanov和Hoehndorf与KAUST的Stefan Arold以及瑞士生物信息学研究所的研究人员合作，评估了该模型破译体内未知蛋白质功能的能力。
该工具成功地利用了一种鲜为人知的蛋白质的氨基酸序列及其与其他蛋白质的已知相互作用的数据，并精确地预测了其分子功能。该模型非常准确，以至于DeepGO-SE在国际功能预测工具竞赛中，在1600多种算法中排名前20位。
KAUST团队现在正在使用该工具研究在沙特阿拉伯沙漠极端环境中茁壮成长的植物中发现的神秘蛋白质的功能。他们希望这些发现将有助于识别生物技术应用的新蛋白质，并希望其他研究人员接受这种工具。
正如Kulmanov解释的那样，“DeepGO-SE分析未表征蛋白质的能力可以促进诸如药物发现、代谢途径分析、疾病关联、蛋白质工程、筛选感兴趣的特定蛋白质等任务。”
