|
文/观察未来科技 7月28日，DeepMind 公司与欧洲生物信息研究所（EMBL-EBI）的合作团队公布了生物学领域的一项重大飞跃。 研究人员利用人工智能（AI）系统 AlphaFold 预测出超过 100 万个物种的 2.14 亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质。 早在1972年，诺贝尔化学奖得主Christian Anfinsen博士就在诺奖颁奖典礼上提出，蛋白质的氨基酸结构应该能完全决定其三维结构。但由于氨基酸可能形成的蛋白质构象是个天文数字，通过计算预测蛋白质结构难度极高。而利用传统的实验手段（例如X射线晶体学）解决该问题，时间消耗以及价格都十分惊人。
对于此次公布的全新数据，DeepMind与EMBL-EBI团队表示，在超过2亿个蛋白质结构预测中，大约35%的结构具有高精度，达到了实验手段获取的结构精度；80%的结构可靠性足以用于多项后续分析。 实际上，AlphaFold预测的许多结构都很可靠，能在很多情况下替代实验解析的结构。其他情况下，研究人员会用AlphaFold的预测结果验证和解读实验数据。不可靠的预测结果很快就能知道，其中一些源于蛋白质固有的无序性质，这种无序意味着蛋白质本身没有固定的形状，至少在没有其他分子的情况下是无序的。这一突破将加速新药开发，并为基础科学带来全新革命。 值得一提的是，自发布至今，AlphaFold 已产生令人难以置信的影响。它是 DeepMind 构建的最复杂的人工智能系统，需要多项关键创新，并已应用到多种下游任务中。AlphaFold2 可以在原子精度上准确地预测蛋白质的结构，它不仅为生物学中 50 年来的重大挑战提供了解决方案，也证明了：人工智能可以极大地加速科学发现，进而推动人类进步，这一点意义重大。这让生物学领域也真正参与和见证了科技的力量，并提醒生命科学的研究人员们——彻底转变思考方式。 当前，DeepMind 已经开源了 AlphaFold 的代码，并在《自然》杂志上发表了两篇深度论文，引用量已超过 4000。此外，DeepMind 还与 EMBL-EBI 合作设计了一种帮助生物学家使用 AlphaFold 的工具，并共同发布了 AlphaFold DB。 不过，目前的AlphaFold仍有提升的空间。伦敦大学学院的Tomek Wlodarski 博士提出，如何开发模型来预测蛋白质如何折叠，而不仅是预测最终的结构，是研究团队接下来要解决的问题。DeepMind的科学团队主管Pushmeet Kohli博士也指出，现阶段他们正在提升AlphaFold的准确性与性能：“我们试图理解这些蛋白质的行为、它们如何与其他蛋白质互作。” |
|
|
