蛋白質 ，是大而復雜的分子，在所有活細胞中起著至關重要的作用，是生命活動的執行者，它們會自然地構建、修飾和分解我們細胞內的其他分子，蛋白質 還廣泛用于工業過程和產品以及我們的日常生活中。

以蛋白質為基礎的藥物也非常普遍，例如治療糖尿病的胰島素，就是最常用的處方藥之一，一些昂貴的抗癌藥物也是基于蛋白質的抗體藥。

如果想改造出與自然界發現的蛋白質或酶不同的蛋白質和酶， 目前使用的蛋白質工程的方法，依賴于將隨機突變引入蛋白質序列， 但是，每引入一個額外的隨機突變，蛋白質活性就會下降。 而且， 整個過程非常緩慢，需要進行多輪非常昂貴且耗時的實驗，以篩選出數百萬個蛋白變體 。

研究團隊開發了一種名為 ProteinGAN 的基于AI的生成式深度學習方法，該方法能夠 產生 新型的、有功能活性的蛋白質 ，而且整個過程非常快，僅需幾周時間就能從計算機設計到得到有功能活性的蛋白。

這項研究代表了合成蛋白質領域的新突破，有助于 更快速、更經濟地開發基于蛋白質的治療藥物 。

研究團隊通過為AI提供大量來自經過深入研究的蛋白質的數據，讓AI研究了這些數據后，開始嘗試根據它創建新的蛋白質。 同時，AI的另一部分嘗試弄清楚新合成蛋白是否是假的， 蛋白質在系統中來回循環，直到AI無法區分其是天然蛋白質還是合成蛋白質為止。

實際上，我們日常廣泛使用的蛋白質并不總是完全天然的，有很多是通過合成生物學和蛋白質工程技術制成的。使用這些技術，對天然蛋白質序列進行了修飾，以期創建合成新型蛋白質變體，希望這些變體更加有效、穩定。 

但是傳統方法最大的問題在于效率低下，昂貴且耗時，因此，基于AI的新方法加快對蛋白質的改造，能夠大大降低研發成本，對于開發基于蛋白質的藥物 （例如抗體和疫苗） 以及工業酶非常重要。

團隊表示，下一步將探索如何將該技術用于蛋白質特性的特定改進，例如提高穩定性，這可能會給工業技術、以及疾病治療中使用的蛋白質產生極大改進和提升。