從AlphaGo到AlphaFold，什麼是AI工具的最佳用法？_風聞

文/觀察未來科技

兩年前，2020年12月，Science雜誌評選了該年度十個重大科學突破，除了在特殊大背景下的mRNA疫苗，還有一項就是蛋白質結構預測的人工智能——AlphaFold。AlphaFold是由谷歌公司深度學習方面的核心團隊DeepMind所開發，該團隊一直致力於用人工智能和神經網絡技術解決不同場景下的學習問題——大名鼎鼎的AlphaGo就出自DeepMind麾下。

**在圍棋博弈算法AlphaGo大獲成功後，DeepMind又****轉向了基於氨基酸序列的蛋白質結構預測，提出了名為AlphaFold的深度學習算法，**並在國際蛋白質結構預測比賽CASP13中取得了優異的成績。AlphaFold的橫空問世在幾年的時間裏徹底改變了生物學，不過，目前，科學家們似乎仍在尋找AlphaFold這類人工智能工具的最佳用法。

撥開製藥迷霧

製藥業是危險與迷人並存的行業。傳統上，如果某家制藥公司想要開發一種新藥，只能為了找到潛在的候選藥物而去搜索龐大的醫學資料庫。但顯然，這種方法存在巨大的不確定性，需要科學家們付出多年的努力，而且即使找到了候選藥物也只是一個起點。一旦確定了候選藥物，接下來，科學家們就要對它們進行分析、合成，整個過程可能又需要好幾年。

最後，研究人員還要對發現的藥物進行臨牀試驗，一開始是在動物身上進行，然後是在一小羣人身上，最後是在一大羣人身上**。**簡而言之，藥品的開發是一場耗時又耗錢的漫長“戰爭”。除此之外，這場戰爭中的“陣亡者”數量也很大——根據《自然》數據，一款新藥的研發成本大約是26億美元，耗時約10年，而成功率則不到十分之一。

儘管面臨重重阻礙，但計算機科學家出身的生物物理學家亞歷克斯·扎沃龍科夫（Alex Zhavoronkov）卻創造性地提出了一條可能的捷徑。2012年前後，扎沃龍科夫開始注意到，人工智能在圖像、語音和文本識別方面變得越來越擅長了。在他看來，這三個任務都有一個關鍵的共同點，那就是在每一種情況下都需要龐大的數據庫，從而用於訓練人工智能。

類似的數據庫也出現在了藥理學中。因此，在2014年，扎沃龍科夫開始考慮是否可以利用這些數據庫和人工智能技術來加快藥物開發的過程。

為了把這些想法變成現實，扎沃龍科夫在馬里蘭州巴爾的摩市的約翰霍普金斯大學一個名為Insilico Medicine的機構，開始了研究。Insilico Medicine的“藥物發現引擎”的起點就是對數百萬的數據樣本進行篩選，以確定特定疾病的生物學特徵，然後再利用這個引擎確定最有希望的治療靶點，並運用生成性對抗網絡去生成完全適合這些靶點的分子。

**3年後，扎沃龍科夫獲得了成功，扎沃龍科夫開發出的****系統，發現了潛在藥物靶點的爆炸性增長和一個更有效的測試過程，**讓一場以往持續時間長達10年或“持久戰”變成了一個月內就可以結束的“小衝突”。在2018年年底，Insilico Medicine在不到46天的時間裏就得到了一系列新分子，而且他們的成果不僅包括最初的發現，還包括藥物的合成和計算機模擬的驗證實驗。

新藥發明的過程還包括了一個關鍵的步驟，即****識別新藥靶點，也就是藥物在體內的結合位置，這是藥物研發過程的另一個關鍵部分。

實際上，從1980年到2006年，儘管每年的投資高達300多億美元，但是平均而言研究人員每年仍然只能找到5種新藥。其中關鍵的問題就在於複雜性。大多數潛在藥物的靶點都是蛋白質，而蛋白質的結構，即2D氨基酸序列摺疊成3D蛋白質的方式決定了它的功能。

一個只有100個氨基酸的蛋白質，已經是一個非常小的蛋白質了，但就是這麼小的蛋白質，可以產生的可能形狀的種類依然是一個天文數字，大約是一個1後面跟着300個0。這也正是蛋白質摺疊一直被認為是一個即使大型超級計算機也無法解決的難題的原因。

從1994年開始，為了監測這種超越超級計算機能力的蛋白質摺疊過程，科學界每年都會舉辦一次蛋白質結構預測關鍵評估（CASP）大賽。直到2018年幾乎沒有人取得過成功。但是，DeepMind的開發者們利用神經網絡化解了這個難題。他們開發出了一種人工智能，可以通過挖掘大量的數據集來確定蛋白質鹼基對與它們的化學鍵的角之間的可能距離——這是蛋白質摺疊的基礎。他們把這個人工智能命名為AlphaFold。

典型的量變**，**巨大的質變

2018年，AlphaFold首次參加了CASP大賽，並摘得頭魁。在2018年的比賽中，AlphaFold需要與其他參賽的人工智能比賽，解決43個蛋白質摺疊的問題。最終，AlphaFold答對了25個，而獲得第二名的人工智能只勉強答對了3個。AlphaFold的誕生，成為了蛋白質結構解析領域裏程碑，也徹底改變了成千上萬生物學家的研究**。**

2020年，DeepMind發佈了AlphaFold軟件的第二個版本。相較於第二個版本，2018年的更早版本並不夠好，不能取代使用實驗方法解析的結構，而AlphaFold2的預測結果平均而言已與實驗結果相差無幾。當時，AlphaFold2再一次在CASP大賽上一舉奪魁。CASP大賽每兩年舉辦一次，呈現了生物學界在一項艱鉅挑戰上的最新進展。

2020年的這項挑戰是如何僅憑蛋白質的氨基酸序列確定其3D結構。計算機軟件給出的結構會拿來與經過X射線晶體學或冷凍電鏡（cryo-EM）這類實驗方法確認的結果進行對比。X射線晶體學和冷凍電鏡分別通過X射線和電子束照射蛋白質的方式來對蛋白質的結構進行成像。

AlphaFold的預測用被稱為“427組”，多個預測達到了驚人的準確性，讓它們脱穎而出**。**當然，AlphaFold的預測水平有高有低，但將近三分之二的預測結果都與實驗結果在質量上不相上下。AlphaFold的預測甚至幫助確定了Lupas實驗室多年來一直想要破解的一種細菌蛋白的結構。

**一年後，2021年7月15日，AlphaFold2的論文發表，同時公開的還有免費的開源代碼等信息，讓業內的研究人員們可以打造屬於自己的版本。**一週後，DeepMind宣佈已經用AlphaFold預測了人體內近乎所有蛋白質的結構，以及20個其他被大量研究的生物體的完整“蛋白質組”，其中包括小鼠和大腸桿菌，累計共有36.5萬個結構。

DeepMind還將這些信息上傳到了由EMBL歐洲生物信息學研究所**（EMBL–EBI）維護的數據庫**。在那之後，這個數據庫已經收錄了近100萬個結構。根據DeepMind的統計，目前已有超40萬人使用過EMBL-EBI的AlphaFold數據庫。此外，還有一些AlphaFold的“超級用户”：這些研究人員在自己服務器上安裝了AlphaFold，或是打造了AlphaFold的雲版本，用來預測不在EMBL-EBI數據庫中的結構，或是探索AlphaFold的新用途。

今年，DeepMind還計劃發佈總計1億多個結構預測——相當於所有已知蛋白的近一半**，是蛋白質數據銀行（PDB）結構數據庫中經過實驗解析的蛋白數量的幾百倍之多。**

要知道，過去半個多世紀，人類一共解析了五萬多個人源蛋白質的結構，人類蛋白質組裏大約17%的氨基酸已有結構信息；而AlphaFold的預測結構將這一數字從17%大幅提高到58%；因為無固定結構的氨基酸比例很大，58%的結構預測幾乎已經接近極限。這是一個典型的量變引起巨大的質變，而這一量變是在短短一年之內發生的。

AlphaFold的最佳用****法

除了在製藥領域發揮作用，AlphaFold還被應用到了更多領域。

一方面，AlphaFold的結構解析能力極大解放了生物學家們的研究：有研究團隊還在搜索另一個包含從海洋和廢水中提取的DNA序列的數據庫，試圖發現新的食塑酶。通過讓AlphaFold快速預測數千個蛋白的結構，該團隊希望能更好地理解酶是如何通過演化擁有分解塑料的能力，並能進一步優化它們。

**哈佛大學演化生物學家Sergey Ovchinnikov認為，這種將任何蛋白編碼基因序列轉化為可靠結構的能力，對於演化研究來説非常有用。**研究人員通過比較基因序列來確定不同物種的生物體與它們基因之間的親緣關係。而對於親緣關係較遠的基因來説，這種比較可能無法發現演化近親，因為這些序列已經變了很多。但通過比較變化速度比基因序列更慢的蛋白質結構，研究人員或許能揭示之前沒注意到的古代關係。

**另一方面，AlphaFold還是個絕佳的實驗工具，**AlphaFold能提供一個初步預測，之後再由實驗驗證或優化。比如，來自X射線晶體學的原始數據以衍射X射線的圖樣呈現。一般來説，科學家需要對蛋白質結構有個初步猜測，才能解釋這些圖樣。而AlphaFold的預測讓大部分X射線圖樣不再需要這些方法。

另外，AlphaFold不僅改變了科學家測定蛋白質結構的方式。一些研究人員還在利用這些工具打造全新的蛋白質。華盛頓大學生物化學家、蛋白質設計和結構預測領域帶頭人David Baker表示，深度學習徹底改變了他們團隊設計蛋白質的方式。Baker的團隊讓AlphaFold和另一個AI工具RoseTTAFold來設計新的蛋白。他們改寫了人工智能的代碼，讓軟件在得到隨機氨基酸序列的情況下，對它們進行優化，直到合成出能被這些神經網絡識別為蛋白的東西。

2021年12月，Baker的研究團隊報告了他們在細菌中表達了129種這些幻想蛋白，發現其中約1/5的蛋白會摺疊成類似他們預測的結構**。**而這是這種網絡能用來設計蛋白質的首個證明。

基於此，今年7月21日，來自華盛頓大學等機構的科學家們在Science雜誌上發佈了一款新的AI軟件，該軟件能夠為自然界中尚不存在的蛋白質繪製結構。更重要的是，科學家們已經利用這一軟件創造出潛在用於工業反應、癌症治療、甚至用於預防呼吸道合胞病毒（RSV）感染的候選疫苗的原始化合物。

雖然AlphaFold的出現推動了巨大進展，但科學家認為有必要説明它的侷限性**：**一些研究人員嘗試將AlphaFold應用於會破壞蛋白天然結構的各類突變，包括與早期乳腺癌有關的一個突變，這些嘗試證實了AlphaFold還無法預測新的突變對蛋白質的影響，因為沒有演化上相關的序列可以用來研究。

並且，AlphaFold無法很好地處理會在不同構象中呈現不同結構的蛋白。這些預測是針對單獨的結構，而許多蛋白質其實會與配體一起發揮功能，如DNA和RNA、脂肪分子、鐵等礦物質。

目前，AlphaFold掀起的革命會走向何方依然無法預見，但每一天，AlphaFold都顯示出推動的巨大****力量。EMBL-EBI的計算生物學家Janet Thornton認為AlphaFold帶來的最大轉變之一，可能是讓生物學家更願意接受計算機和理論的研究方法。**換言之，真正的變革是人們思維方式的變化，**這其實就是AI工具的最佳用法。AlphaFold所彰顯的意義，是科技的力量。

試想一下，在未來，如果把人工智能AlphaFold與生成式對抗網絡Insilico結合起來，再加上量子計算領域可預期的突破，我們就將真正走出製藥的迷霧，連同生物領域的百年來的困惑，而走向一條未來生物學的坦途。