我们知道蛋白质是由不同类型的氨基酸串在一起形成的，氨基酸的组合方式不同，形成的蛋白质在功能上也有所不同。可以计算一下，100个氨基酸能组成的蛋白质结构有10130个，这些结构中只有极少数具有功能性（比例大约为1077分之一）[1]。这给蛋白质的人工合成带来了巨大压力，因为废品率太高了。
近日Nature 杂志发表了一篇文章，介绍了一种利用深度学习技术合成蛋白质的新方法。他们采用了一种称为对抗生成网络（GAN）的深度学习模型来预测具有功能性的蛋白质，如图1所示。这一模型从一个随机向量开始，通过一个生成器G将其转换成一个蛋白质，再用一个判别器D来检查这个蛋白质和天然蛋白质是否相似，如果不相似的话，就告诉生成器G更新其生成模型。经过学习以后，这一模型就可以生成和天然蛋白质相似的蛋白质了。
图1：基于对抗生成网络的蛋白质生成模型[1]
对抗生成网络已经被广泛应用于各种生成任务中，图2展示了用这种网络生成宠物狗的一个例子[2]。这一模型的基本原理是发现真实数据集中分布的区域，在这一区域随机生成的数据更真实。
图2：基于GAN的宠物狗生成结果[2]
前述蛋白质合成研究正是利用了这一原理，从大量可能性中定位到那些具有功能性的蛋白质结构，实现了更自然的生成。如图3所示，天然蛋白质（橙色圈）分布在对抗生成网络的合成空间中，具有构能性的合成蛋白质（蓝色圈）散布在这些天然蛋白质之间。研究人员利用苹果酸酶（malate dehydrogenase）进行了实验，发现在模型生成的55种蛋白质中，有13种具有催化活性，极大提高了合成效率。
图3：天然蛋白质（橙色圈）与生成的蛋白质（蓝色圈）在空间中的分布[2]
参考文献：
[1]Repecka, D., Jauniskis, V., Karpus, L. et al. Expanding functional protein sequence spaces using generative adversarial networks. Nat Mach Intell (2021).
[2]Yan Wu et al., LOGAN: LATENTOPTIMISATION FORGENERATIVEADVERSARIALNETWORKS, 2020.