被打開的蛋白質宇宙，將為生命科學帶來什麼？_風聞

文/觀察未來科技

7月28日，DeepMind 公司與歐洲生物信息研究所（EMBL-EBI）的合作團隊公佈了生物學領域的一項重大飛躍。

研究人員****利用人工智能（AI）系統 AlphaFold 預測出超過 100 萬個物種的2.14 億個蛋白質結構，幾乎涵蓋了地球上所有已知蛋白質。

早在1972年，諾貝爾化學獎得主Christian Anfinsen博士就在諾獎頒獎典禮上提出，蛋白質的氨基酸結構應該能完全決定其三維結構。但由於氨基酸可能形成的蛋白質構象是個天文數字，通過計算預測蛋白質結構難度極高。而利用傳統的實驗手段（例如X射線晶體學）解決該問題，時間消耗以及價格都十分驚人。

對於此次公佈的全新數據，DeepMind與EMBL-EBI團隊表示，在超過2億個蛋白質結構預測中，大約35%的結構具有高精度，達到了實驗手段獲取的結構精度；80%的結構可靠性足以用於多項後續分析。

實際上，AlphaFold預測的許多結構都很可靠，能在很多情況下替代實驗解析的結構。其他情況下，研究人員會用AlphaFold的預測結果驗證和解讀實驗數據。不可靠的預測結果很快就能知道，其中一些源於蛋白質固有的無序性質，這種無序意味着蛋白質本身沒有固定的形狀，至少在沒有其他分子的情況下是無序的。這一突破將加速新藥開發，併為基礎科學帶來全新革命。

值得一提的是，自發布至今，AlphaFold 已產生令人難以置信的影響。它是DeepMind 構建的最複雜的人工智能系統，需要多項關鍵創新，並已應用到多種下游任務中。AlphaFold2 可以在原子精度上準確地預測蛋白質的結構，**它不僅為生物學中 50 年來的重大挑戰提供瞭解決方案，也證明了：人工智能可以極大地加速科學發現，進而推動人類進步，這一點意義重大。**這讓生物學領域也真正參與和見證了科技的力量，並提醒生命科學的研究人員們——徹底轉變思考方式。

當前，DeepMind 已經開源了 AlphaFold 的代碼，並在《自然》雜誌上發表了兩篇深度論文，引用量已超過 4000。此外，DeepMind 還與 EMBL-EBI 合作設計了一種幫助生物學家使用 AlphaFold 的工具，並共同發佈了 AlphaFold DB。

不過，目前的AlphaFold仍有提升的空間。倫敦大學學院的Tomek Wlodarski 博士提出，如何開發模型來預測蛋白質如何摺疊，而不僅是預測最終的結構，是研究團隊接下來要解決的問題。DeepMind的科學團隊主管Pushmeet Kohli博士也指出，現階段他們正在提升AlphaFold的準確性與性能：“我們試圖理解這些蛋白質的行為、它們如何與其他蛋白質互作。”