人工智能+蛋白质组学：药物研发的生物学底层变革

有人说，“生”在基因组，“命”在蛋白质组。蛋白质组研究对于生命科学的价值是毋庸置疑的。

那么蛋白质组学发展如此滞后的原因是什么呢？很大程度上是因为蛋白质组学研究面临巨大的技术挑战：传统的蛋白质组学分析技术和方法，并不完全适合用来研究蛋白质系统。

蛋白质系统本身是非常复杂的。人体的一个细胞当中，就包含有数万个蛋白质。这些蛋白质可以运输到不同的地方（如细胞膜、细胞核、线粒体、内质网等），可以相互形成复合物，可以不停地生成和降解，还可以发生翻译后修饰（如磷酸化、乙酰化修饰等）。

与基因组相比，对复杂的、动态的蛋白质系统的研究更为复杂和艰巨。一个人从出生到死亡，绝大多数情况下，基因都是不变的，这也是基因可以用于身份鉴定的原因。但是蛋白质组学则不同，在不同的健康状态下，人体内的蛋白质每时每刻都在发生变化。

那么，对于蛋白质组这样的复杂系统的研究，目前的技术方法是什么样的呢？这就要说到传统的蛋白质组学分析技术和方法的局限性。具体有二：

其一，在研究思路上，传统蛋白质组学是盲人摸象。

现代生命科学与医学研究，很多时候使用Western Blot、ELISA等基于抗体的方法，来测量几个或者是几十个蛋白质（一般不会超过100个）。在测量对象的选择上，研究者一般只选择自己认为重要的、感兴趣的蛋白质。这种研究的主观性极易带来研究方向、结果的片面性。

比如，一个药物进入细胞后，可能会作用于许多蛋白质，但研究者可能仅仅测量细胞内数万个蛋白质当中的几十个，然后分析数据、得出结论、发表论文。而事实上，除了这几十个蛋白质之外，是否还有其他与该药物相关性更强的蛋白质，它们如何相互作用的等等，均无从得知。