蛋白质是生命的重要组成部分之一，其难以计数的数量和繁多的折叠方式一直以来在自然的规律下有序运转。这让人类在惊叹之余又多了一丝好奇：蛋白质是如何一直正确地进行折叠的？我们又能否精准预测其折叠模式？近日，谷歌的AI姐妹公司DeepMind的研究人员近表示，他们现在已经使用一种可以将氨基酸链转化为3D结构的计算机模型对蛋白质进行解码，从而帮助科学家更好地理解蛋白质在遵循特定形式下的生物学功能，而这一突破则有望改变未来的医学研究方法。CASP是“蛋白质结构预测的关键评估”的缩写，这项比赛在1994年首次发起，其设计为一项全球性实验，参与者可以同台测试其预测蛋白的方法。2018年，DeepMind带着他们的AlphaFold程序在首次参赛时就获得了最高奖项。那时，AlphaFold这款AI程序能够从零开始预测43种蛋白质中的25种精确形状。而今年，他们带着升级版的AlphaFold2回到赛场，结果其相似性平均分为92.4，这一分数则是判断AI的预测与所有CASP蛋白靶标的已知结构相符的程度。根据DeepMind的说法，这一结果意味着他们的模型仅有单个原子宽度的误差。AlphaFold之前在2018年就创造了全球准确度记录，但无法打破中位数60分。但如今，他们取得了巨大进步。AlphaFold的成就需要大量的计算能力。算法模型在经过大约170,000种不同结构的公共蛋白质数据的训练后，使用了128个谷歌的高端云计算核心，并不间断地运行了几个星期，才能得到这样的结果。伦敦皇家学会会长Venki Ramakrishnan说：“这项计算工作是蛋白质折叠问题领域里的一项惊人进步。它在未来或将从根本上改变许多生物学研究的方法。” Ramakrishnan因在细胞蛋白质合成核糖体方面的工作而获得2009年诺贝尔化学奖。一直以来，为了更好地理解蛋白质的形状，以及它们精微的折叠方式如何与细胞相互作用，从而影响生命和疾病，科学家们使用了从X射线晶体学、磁共振扫描再到电子显微镜的各种技术。看似兴师动众，但的确十分必要。蛋白质是极其复杂的分子，其精确的三维结构是它们发挥作用的关键。这些至关重要的分子即使进行微小的重排也会对我们的健康造成灾难性的影响。因此了解疾病和寻找新疗法最有效的方法之一，就是研究所涉及的蛋白质。在这个世界上，有成千上万的人体蛋白质和数十亿其他物种，包括细菌和病毒的蛋白质，但要想研究哪怕一种蛋白质的形态都需要昂贵的设备，而且可能需要数年时间。马克斯·普朗克研究所所长Andrei Lupas表示，AlphaFold项目已经为我们解决这个问题提供了一个新方法，这可能导致人们更好地理解信号如何跨细胞膜传输。而这个难题困扰着生物医学研究人员近十年了。在未来，DeepMind还希望帮助识别错误折叠的蛋白质，找到导致疾病的故障，并提供可以加快药物发现和开发速度的计算机模型。而这一切，都将对未来的疾病治疗、新药研发起到变革性的作用。2016年，AI领域发生了一件全球知名的重大事件，DeepMind公司开发的AlphaGo 程序以4：1击败韩国围棋冠军李世石（Lee Se-dol）。在那之后，关于AI的讨论就成为各个行业的一大热潮。特斯拉创始人埃隆·马斯克也是DeepMind的早期投资人之一，他在今年7月份接受采访时表示，人工智能领域他最关注的公司就是DeepMind。不过，马斯克认为AI的发展太过迅猛，因此他也一直提醒人类要更加谨慎。正如史蒂芬·霍金所说：「人工智能的崛起对于人类来说，要么是最好的福祉，要么是最糟的灾难。」- END -
内容仅供感兴趣的个人谨慎参考，非商用，非医用、非投资用。
版权归作者。衷心感谢！
时间、水平有限，错误偏颇难免。欢迎朋友们指正！
版权声明：文中图片取自网络，根据CC0协议使用，版权归拥有者。
点击直达，每月3万多朋友到过这里！