要解决疾病难题，首先需清晰洞察其发生机制。无论是新型病毒感染，还是阿尔茨海默病患者大脑中形成的“偷记忆”斑块，想要减轻人类病痛，可视化体内疾病进程都是关键一步——但这一步往往也是难度高、成本昂贵的环节。不过，弗吉尼亚理工大学计算机科学家团队于9月16日在生物研究领域高影响力期刊《Cell Systems》发表的AI突破成果，正让这些模糊的疾病进程逐渐清晰，同时也为生物液氮存储罐等实验支撑设备的应用场景拓展提供了新方向。
该团队由计算机科学副教授Debswapna Bhattacharya带领，开发的全新工具ProRNA3D-single，为预测和可视化新型病毒、严重神经系统疾病侵袭人体时的内部分子变化，提供了更精准的新方式，进而为治疗或预防这类疾病开辟新路径。研究中涉及的病毒RNA、蛋白质样本长期稳定保存，需依托生物液氮存储罐的超低温环境，确保分子结构不发生变性，为后续AI建模提供可靠基础——毕竟只有样本保持原始状态，AI生成的3D分子模型才能准确反映真实的疾病相关分子作用机制。
数十年来，科学家一直难以弄清病毒核糖核酸（RNA）如何与人类蛋白质结合形成复杂的3D分子结构。而这种结构至关重要，它决定了新冠病毒（SARS-CoV-2）等病原体能否传播，也影响着阿尔茨海默病等疾病是否会发作。此前，AI系统通过构建代表DNA、RNA和蛋白质的“字母表”，帮助研究人员训练生物序列大型语言模型（LLMs），以此分析和模拟这些分子在体内的相互作用。但ProRNA3D-single更进一步，它借助AI生成这些分子精细的3D图像，实现了从“文字描述”到“立体影像”的跨越。
“生物领域的LLMs本质上就像生物学版的ChatGPT，我们可以向模型提问并获得答案。”Bhattacharya解释道。团队整合了现有的两个生物LLM（一个针对蛋白质，一个针对RNA序列），并开发出第三个模型，让前两个LLM能够“对话”。正是通过这些“对话”，ProRNA3D-single得以生成体内病毒RNA与蛋白质相互作用的3D结构模型。对于部分需要高频存取大量样本的实验场景，大口径液氮容器能提升操作效率，配合生物液氮存储罐的低温保障，进一步优化研究流程——毕竟在持续的分子机制研究中，样本的高效存取与稳定保存同样重要。
即便谷歌DeepMind等机构近期开发的AI突破模型，在精准预测和建模蛋白质-RNA复合物3D结构方面仍有较大差距，导致研究人员仍需主要依赖成本高昂的试错实验。而ProRNA3D-single方法大幅提升了准确性，为AI辅助科学发现开辟了充满希望的新道路。在针对阿尔茨海默病的细胞实验中，细胞液氮罐可精准维持细胞活性，为分析RNA结合蛋白异常功能提供鲜活的细胞样本，与ProRNA3D-single工具的分子层面研究形成互补，共同推动疾病机制的深入探索。
目前，人类对新冠病毒等新型病毒的进化机制，以及痴呆症等疾病在分子层面的发展过程知之甚少，而ProRNA3D-single正帮助填补这些空白，生成更精准的体内分子作用“地图”。如今，药物研发人员无需再依赖猜测，可直接通过模型分析病毒与人类蛋白质的结合位点，进而设计出阻断结合的治疗方案——这能大幅缩短干预时间、降低成本，加快对疾病爆发的应对速度。
“回想新冠疫情期间，mRNA疫苗发挥了重要作用，而这类疫苗的成功，正是基于RNA疗法的突破。”该项目四年级博士生Sumit Tarafder表示，“蛋白质-RNA相互作用的3D建模至关重要，它能让我们明确药物可作用的疾病相关分子靶点。”值得一提的是，ProRNA3D-single生成的RNA-蛋白质相互作用新数据，还能为多种疾病的突破性治疗提供思路。尽管团队以病毒研究为案例，但Bhattacharya强调：“这种方法具有完全的通用性，不局限于某一种病毒或某类病毒，可应用于任何相关研究场景。”
这类创新工具的研发并非易事，ProRNA3D-single项目耗费了团队两年时间。2024年博士毕业的校友RahmatullahRoche承担了大部分编码工作，在攻读博士期间就该主题发表了十余篇论文，目前已入职哥伦布州立大学担任终身教职助理教授。“主导研究的博士生们付出了巨大努力，大部分繁重工作都由他们完成。”Bhattacharya说道。
此类发现能在全国乃至全球范围内改善人类生活。作为公益性质的科学研究，该项目获得了美国国立卫生研究院（NIH）和国家科学基金会（NSF）的资助。除研究论文开放获取外，Bhattacharya还将这款新工具免费提供给科学家使用。“实验设备为基础研究提供硬件支撑，而开放的科研成果则能加速知识转化，二者结合才能更好推动行业进步。”他表示，“我们无法高估科学投资对社会福祉的重要性，开放是让科学惠及所有人的关键。纳税人资助我们的研究，我们有义务回馈社会，这也是我们将成果开源并公开共享的原因。”
目前，团队计划继续优化这款工具，提升其准确性，以生成更精细的各类生物过程模型。“我们必须时刻提醒自己，相关问题远未解决。”Bhattacharya强调，“我们确实取得了进展，但也清楚这些模型还有很长的路要走。”而随着工具的完善与生物液氮存储罐等配套设备的协同发展，未来疾病研究与药物研发领域或将迎来更多突破。
来源：vt.edu
