人工智能再度發威，攻克了生物學領域一項重大難題

人工智能(AI)再度發威，攻克了生物學領域一項重大難題：預測蛋白質如何從線性氨基酸鏈卷曲成3D形狀以執行任務。據美國《科學》雜志網站11月30日報道，“蛋白質結構預測關鍵評估”(CASP)競賽傳來喜訊：英國“深度學習”(DeepMind)稱其AI實現了上述成就，他們的方法將極大加快新藥研發進程。

人體擁有成千上萬種不同的蛋白質，每一種蛋白質都包含幾十到幾百種氨基酸，這些氨基酸的順序決定了它們之間的作用，賦予蛋白質復雜的三維形狀，進而決定了蛋白質的功能。了解這些三維形狀有助于研究人員設計出能在蛋白質縫隙內滯留的藥物。此外，合成出擁有所需結構的蛋白質，還可以加快酶的研制進程，讓生物燃料領域受益。

幾十年來，研究人員利用X射線晶體學或低溫電子顯微鏡(cryo-EM)等實驗技術來破譯蛋白質的三維結構，但這種方法可能需要數月甚至數年，且未必見效。目前，在生命體內發現的2億多個蛋白質中，只有17萬個蛋白質的結構被破解。

1994年，為更好預測和破解蛋白質三維結構，馬里蘭大學結構生物學家約翰·穆爾特等人發起了CASP競賽，每兩年舉行一次。在今年的比賽中，“深度學習”團隊的“阿爾法折疊”(AlphaFold)方法的中位分數為92.4(滿分100分，90分以上被認為預測方法可與實驗方法相媲美)，預測最具挑戰性的蛋白質的平均得分為87，比次優預測高出25分。它甚至擅長預測嵌入細胞膜的蛋白質結構——細胞膜是許多人類疾病的核心，但很難用X射線晶體學研究。

歐洲生物信息學研究所名譽主任珍妮特·桑頓說：“‘深度學習’團隊所取得的成就是驚人的，將改變結構生物學和蛋白質研究的未來。”

穆爾特則表示，這是一個有50年歷史的問題，“阿爾法折疊”改變了游戲規則，實驗學家將能使用精確的結構預測來理解不透明的X射線和低溫電磁數據;藥物設計者也可借此迅速厘清新冠病毒等新冒出的危險病原體中每種蛋白質的結構，從而更快研制出相關藥物。

總編輯圈點

蛋白質的形狀決定了其功能。知道蛋白質如何折疊時，我們才能知曉蛋白質的作用。但光是解析蛋白質折疊后的結構，就已經非常困難。常用的方法是冷凍電鏡、核磁共振或者X射線等。結構要看得精細，耗時長且成本不菲。預測蛋白質折疊后的形狀，則是“地獄難度”。它可以在極短時間內把自己折疊成令人難以想象的形狀，預測所需要的算力可謂驚人。在人工智能幫助下，曾經的天方夜譚成為事實。這或許是一項革命性成果，為人類探索藥物分子世界提供了強大工具。

標簽： 生物學