蛋白质 ，是大而复杂的分子，在所有活细胞中起着至关重要的作用，是生命活动的执行者，它们会自然地构建、修饰和分解我们细胞内的其他分子，蛋白质 还广泛用于工业过程和产品以及我们的日常生活中。

以蛋白质为基础的药物也非常普遍，例如治疗糖尿病的胰岛素，就是最常用的处方药之一，一些昂贵的抗癌药物也是基于蛋白质的抗体药。

如果想改造出与自然界发现的蛋白质或酶不同的蛋白质和酶， 目前使用的蛋白质工程的方法，依赖于将随机突变引入蛋白质序列， 但是，每引入一个额外的随机突变，蛋白质活性就会下降。 而且， 整个过程非常缓慢，需要进行多轮非常昂贵且耗时的实验，以筛选出数百万个蛋白变体 。

研究团队开发了一种名为 ProteinGAN 的基于AI的生成式深度学习方法，该方法能够 产生 新型的、有功能活性的蛋白质 ，而且整个过程非常快，仅需几周时间就能从计算机设计到得到有功能活性的蛋白。

这项研究代表了合成蛋白质领域的新突破，有助于 更快速、更经济地开发基于蛋白质的治疗药物 。

研究团队通过为AI提供大量来自经过深入研究的蛋白质的数据，让AI研究了这些数据后，开始尝试根据它创建新的蛋白质。 同时，AI的另一部分尝试弄清楚新合成蛋白是否是假的， 蛋白质在系统中来回循环，直到AI无法区分其是天然蛋白质还是合成蛋白质为止。

实际上，我们日常广泛使用的蛋白质并不总是完全天然的，有很多是通过合成生物学和蛋白质工程技术制成的。使用这些技术，对天然蛋白质序列进行了修饰，以期创建合成新型蛋白质变体，希望这些变体更加有效、稳定。 

但是传统方法最大的问题在于效率低下，昂贵且耗时，因此，基于AI的新方法加快对蛋白质的改造，能够大大降低研发成本，对于开发基于蛋白质的药物 （例如抗体和疫苗） 以及工业酶非常重要。

团队表示，下一步将探索如何将该技术用于蛋白质特性的特定改进，例如提高稳定性，这可能会给工业技术、以及疾病治疗中使用的蛋白质产生极大改进和提升。