用AI预测技术精密解析蛋白质变形[读懂科学]

by Kim Jonghwa

Published 01 Feb.2026 12:00(KST)

Updated 02 Feb.2026 07:29(KST)

open/close

离阔难治疾病病因又近一步

通过利用人工智能（AI）预测技术，精确筛选出细胞内部极为罕见的蛋白质修饰类型，研究人员在阐明癌症等疑难疾病的分子层面致病原因方面又向前迈进了一步。

韩国科学技术研究院（KIST）化学生命融合研究中心的研究团队在29日表示，以Lee Cheolju博士为首的团队利用人工智能学习模型，开发出一项技术，能够准确检出以往分析方法难以区分的罕见蛋白质修饰。

基于人工智能的蛋白质修饰组挖掘技术开发研究概述。图形研究团队提供

癌症等难治性疾病与细胞在承受压力过程中产生的细微蛋白质变化密切相关，但这类修饰的发生频率极低，并且与假信号在特性上非常相似，现有的质谱分析技术难以对其进行精准识别。因此，亟需一种能够在分子水平追踪疾病根本原因的新型分析技术。

研究团队关注的修饰是“精氨酸化”，它在调控蛋白质功能或作为蛋白质降解信号方面发挥作用。一旦这一过程出现异常，就可能导致神经细胞损伤或癌症发生。但由于其在生物体内的含量极低，长期以来难以将真实信号与假信号有效区分。为解决这一问题，研究团队引入了一种反向思维策略，先让人工智能学习与真实信号极为相似的假信号。

结果显示，研究人员成功剔除了在既有分析中被检出的信号中约90%属于假信号的部分，并锁定了共计134个真实的精氨酸化修饰位点。尤其是通过应用迁移学习方法，证明了即便只利用少量数据，也能对罕见蛋白质修饰进行精细分析。对处于应激环境下的细胞进行分析后发现，与细胞能量生成相关的部分蛋白质存在精氨酸化修饰，为解析癌细胞代谢过程提供了新的线索。

此次技术将从蛋白质修饰的发现到第一轮验证整合为一套基于人工智能的分析体系，有望在新药开发和生物研究一线大幅降低研究成本和时间。如果应用于患者血液或组织分析，有很大可能更快速、准确地捕捉与疾病相关的蛋白质变化，成为早期诊断和精准医疗研究的基础性技术。

KIST的Lee Cheolju博士表示：“这是在以往研究中一直存在局限的领域大胆引入人工智能所取得的成果。以纯本土研究为基础，已经掌握了世界最高水平的人工智能蛋白质组学分析源头技术，今后将为利用人工智能拓展蛋白质组学研究作出贡献。”