研究人员开发出新型人工智能工具LassoESM，该模型专门用于预测套索肽特性，有望推动新型药物研发。这项由卡尔·R·沃斯基因组生物学研究所团队完成的研究成果已在《自然通讯》期刊发表。

套索肽是由细菌产生的天然分子，其独特的滑结结构赋予这些化合物较高稳定性。范德堡大学化学生物学研究所所长道格·米切尔表示：“套索肽在药物研发中具有广阔应用前景。通过构建专用语言模型，我们创建了一种能更有效开发这些可能性的工具。”

尽管现有蛋白质预测人工智能平台在生物医药领域应用广泛，但面对套索肽的特殊结构时仍存在局限。项目联合负责人、伊利诺伊大学厄巴纳-香槟分校教授Diwakar Shukla指出：“由于套索肽的独特结构，当前人工智能程序难以进行准确预测。”

研究团队通过整合机器学习方法与实验数据，建立了专门针对套索肽的预测模型。该研究主要参与者Xuenan Mi表示：“我们开发的LassoESM模型能够捕捉通用蛋白质语言模型经常忽略的肽特异性特征。”团队采用掩码语言模型技术，通过分析数万个套索肽序列来训练算法识别规律。

LassoESM模型已成功应用于套索肽与套索环化酶的配对预测，这对拓展套索肽的临床应用具有重要意义。Shukla补充道：“通过模型预测，我们有望将多种肽类物质转化为套索结构。”这项研究为功能性套索肽的合理设计提供了人工智能工具支持，未来还将扩展至其他肽类天然产物的模型开发。

更多信息： Xuenan Mi 等，LassoESM：一种用于增强 lasso 肽属性预测的定制语言模型，《自然通讯》(2025)。期刊信息： 《自然通讯》