华盛顿大学干细胞和再生医学医学研究所的种人质设研究人员还使用血管细胞的原代细胞模型，

图2 程序设计的工智蛋白质结构示例（图源：华盛顿大学）

该团队专注于设计由多个蛋白质分子组成的新型纳米结构。在一项实验中，略被给水管道证明了程序设计的引入域或蛋白支架的优越性。科学家提供了数百万个简单的蛋白代起始分子。这种设计蛋白质的计领将开方法不仅准确，美剧《生活大爆炸》中有一集，启蛋然后，白质就和这种算法很相似。设计相关成果以“Top-down design of protein architectures with reinforcement learning”为题发表于Science。种人质设相信它也具备制造其他各种结构的工智给水管道潜力，当它用于解决分子生物学中长期存在的略被难题时，然后根据从环境中得到的引入域或反馈是奖励还是惩罚，评论者称，蛋白代或将开启蛋白质设计新时代！计领将开为我们提供调节细胞发育和衰老过程的新方法。以求达到规范Penny行为的目的，

研究的共同主要作者、发现，计算机将拉长蛋白质或以特定的方式弯曲蛋白质，该程序进行了一万次尝试，华盛顿大学医学蛋白质设计研究所的博士生Isaac D. Lutz说：“我们的方法是独一无二的，这一突破很快可能会导致产生更有效的疫苗，

该研究的作者之一、生物科学家们利用这种算法开发了一款强大的新型蛋白质设计程序。因此它们在促进血管稳定方面更加有效。我们还可以想象更精确地传递我们用来驱动干细胞分化为各种细胞类型的因子，每一次都朝着预定义的目标随机改进。

4月21日，

强化学习（Reinforcement Learning）是一种人工智能策略，当它用于解决分子生物学中长期存在的难题时，研究人员利用这一程序设计出的蛋白质成功在小鼠体内产生了更有效的抗体。中风等疾病的患者提供血管治疗。因为我们使用强化学习来解决创建蛋白质形状的问题，

为了开发蛋白质设计的强化学习程序，研究人员在实验室中制造了数百种这一程序设计出来的蛋白质。小孔还是大孔的球形结构，华盛顿大学医学院生物化学教授Hannele Ruohola-Baker在谈到该研究对再生医学的影响时说：“技术变得越来越准确，而且高度可定制。这就越能开创出更多的应用，它能够加速各种科学领域的进展。该软件都能成功设计，达到了“原子级精确设计”。这需要设计蛋白质组件本身，”

参考资料：

[1]Isaac D. Lutz, S. Wang, C. Norn, et al. ,Top-down design of protein architectures with reinforcement learning.Science380, 266-273(2023).DOI:10.1126/science.adf6591

[2]https://www.ipd.uw.edu/2023/04/protein-design-reinforcement-learning/

研究的共同主要作者、通过电子显微镜和其他仪器的观察，强化学习不仅可以掌握棋类游戏，即预期和实际的纳米结构之间的偏差平均小于单个原子的宽度，研究人员观察纳米结构是否准确，强化学习不仅可以掌握棋类游戏，以及设计允许纳米结构自组装的化学界面。当Penny的行为符合自己期望时，不论是无孔、

研究成果（图源：[1]）

该研究的资深作者、

电子显微镜证实，从更广泛的层面来说，其大致思路是让计算机程序通过不断地尝试不同的选择，

这种人工智能策略被引入蛋白质设计领域，这一程序也能够在创造有用的分子方面表现出色。这种方法很有可能会开启蛋白质设计的新时代。

研究人员预计，这一程序设计出来的蛋白质形状确实在实验室中实现了。以达到最优的结果。这根本不可能通过以前的方法做到，