蛋白质生物信息学深度学习方法综述及其对蛋白质设计的影响

蛋白质是由氨基酸序列组成的，用于构成生物体的基本建筑块。尽管快速增长的数据库记录了各种蛋白质序列的结构和功能信息，但由于大量的序列空间和复杂的分子间及分子内相互作用，我们对蛋白质的理解仍有限。深度学习以其能够从大数据集中直接学习相关特征的特性，在计算机视觉和自然语言处理等领域展现了惊人的性能。近年来，深度学习也越来越多地应用于数据丰富的蛋白质序列领域，取得了显著成功，尤其是 AlphaFold2 在蛋白质结构预测方面的突破性表现。深度学习所实现的性能提升开辟了蛋白质生物信息学领域的新可能，包括蛋白质设计——这一最困难但最有用的任务。本文将蛋白质生物信息学中的问题 broadly 分类为三个主要类别：1）结构预测，2）功能预测，3）蛋白质设计，并综述了运用深度学习方法在每个领域取得的进展。我们详细阐述了蛋白质设计问题的主要挑战，并突出结构和功能预测的进步如何直接推动设计任务。最后，我们通过确定重要话题和未来研究方向来总结。