DeepMind｜将AlphaFold的力量传递给世界
以下是原文内容。
今天，我们无比自豪和兴奋地宣布，DeepMind正在为人类理解生物学做出重大贡献。
当我们在去年12月宣布AlphaFold 2时，它被誉为解决了50年的蛋白质折叠问题。上周，我们发表了科学论文和源代码，解释了我们如何创建这个高度创新的系统，今天我们将分享对人体中每一种蛋白质形状的高质量预测，以及对科学家研究所依赖的另外20种生物蛋白质的预测。
研究人员寻找疾病的治疗方法，并寻求人类面临的其他重大问题的解决方案的过程（包括抗生素耐药性、微塑料污染和气候变化），将受益于对蛋白质结构的新见解。蛋白质就像微小精致的生物机器。如同机器的结构告诉你它的作用一样，蛋白质的结构也帮助我们了解它的功能。今天，我们将分享一个信息库，使人类对人类蛋白质组的了解翻倍，并揭示了在其他20种具有生物学意义的生物体中发现的蛋白质结构，从大肠杆菌到酵母，从果蝇到老鼠。
这将是自人类基因组图谱绘制以来最重要的数据集之一。
--EWAN BIRNEY EMBL 副总干事和EMBL-EBI主任
这项最新的工作建立在我们去年12月在CASP14会议上发表的声明之上，当时DeepMind公布了我们的AlphaFold系统的一个全新版本，该系统被评估的组织者认为是理解蛋白质三维结构这一50年来的巨大挑战的解决方案。通过实验确定蛋白质结构是一项费时费力的工作，但AlphaFold表明，人工智能可以在几分钟内准确地预测蛋白质的形状，其精度可达原子级。在CASP，我们承诺分享我们的方法，并提供对这一知识体系的广泛访问。
这个月，我们已经完成了为实现这一承诺而进行的大量艰苦工作。我们在《Nature》杂志上发表了两篇经同行评审的论文，并将AlphaFold的代码开源。今天，我们与EMBL-EBI合作，非常自豪地推出了AlphaFold蛋白质结构数据库，它提供了迄今为止人类蛋白质组最完整、最准确的图像，使人类积累的高精度人类蛋白质结构知识增加了一倍以上。
除了人类蛋白质组（人类基因组表达的所有约20,000种蛋白质），我们还提供了其他20种具有生物学意义的生物体的蛋白质组的开放访问，总计超过35万种蛋白质结构。对这些生物的研究已经成为无数研究论文和众多重大突破的主题，并使人们对生命本身有了更深的了解。在未来的几个月里，我们计划将覆盖范围扩大到科学界已知的几乎每一种测序的蛋白质（超过1亿个结构），涵盖了UniProt参考数据库的大部分。这是一本名副其实的世界蛋白质年鉴。随着我们继续投资于AlphaFold的未来改进，该系统和数据库将定期更新。
最令人兴奋的是，在世界各地的科学家手中，这个新的蛋白质年鉴将促进和加速研究，从而推动我们对这些生命组成部分的理解。通过我们早期的合作，我们已经看到研究人员在自己的工作中使用AlphaFold的有希望的信号。例如，Drugs for Neglected Diseases Initiative（DNDi）已经推进了他们对拯救生命的疾病的研究，这些疾病影响着世界上的贫困地区；朴茨茅斯大学的酶创新中心（CEI）正在使用AlphaFold来帮助设计更快的酶，以回收我们一些污染最严重的一次性塑料。对于那些依赖实验性蛋白质结构测定的科学家来说，AlphaFold的预测有助于加速他们的研究。作为另一个例子，科罗拉多大学博尔德分校的一个团队发现，使用AlphaFold预测来研究抗生素的抗药性是有希望的，而加州大学旧金山分校的一个小组已经使用它们来增加他们对SARS-CoV-2生物学的理解。而这仅仅是一个开始，我们希望这将是一场结构生物信息学的革命。随着AlphaFold的问世，现在有一个数据的宝库，等待着被转化为未来的进步。
AlphaFold开辟了新的研究领域，看到强大的尖端人工智能能够对几乎只集中在贫困人口中的疾病进行研究，这令人鼓舞。
--BEN PERRY DNDI发现开放创新领导者
对于DeepMind的AlphaFold团队来说，这项工作代表了五年来巨大努力的结果，包括必须创造性地克服许多具有挑战性的挫折，从而产生了一系列新的复杂的算法创新，这些都是最终破解问题所需要的。它建立在几代科学家的发现之上，从早期的蛋白质成像和晶体学的先驱，到后来成千上万的预测专家和结构生物学家，他们花了数年时间对蛋白质进行实验。我们的梦想是，AlphaFold通过提供这种基础性的理解，将帮助更多的科学家进行工作，并为科学发现开辟全新的途径。
我们花了几个月和几年时间做的事，AlphaFold在一个周末就能完成。
--JOHN MCGEEHAN教授 朴茨茅斯大学结构生物学教授兼酶创新中心（CEI）主任
在DeepMind，我们的论点一直是，人工智能可以极大地加速许多科学领域的突破，并反过来推动人类。我们建立了AlphaFold和AlphaFold蛋白质结构数据库，以支持和提升世界各地的科学家在他们所做的重要工作中的努力。我们相信，人工智能有可能彻底改变21世纪的科学工作方式，我们热切地期待着AlphaFold接下来可能帮助科学界解锁的发现。
参考资料
https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands
https://www.nature.com/articles/s41586-021-03828-1
https://www.nature.com/articles/d41586-021-02025-4
----------- End -----------
感兴趣的读者，可以添加小邦微信（zhiyaobang2020）加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位 或姓名-学校-职务/研究方向。
Drug Discov Today｜药物研发风险地图
Drug Discov Today｜FDA童伟达：基于AI的语言模型为药物发现和开发提供动力
苏安｜人工智能在药物合成设计中的应用
Nat Biotech｜北京大学谢正伟：利用深度学习从转录谱中预测药效
Nature Outlook｜借助算法和模拟将蛋白质折叠的瞬时结构转变为药物靶点
Drug Discov Today｜量子计算在药物发现中的潜力：早期的行业动态
Drug Discov Today综述｜分子从头设计和生成模型
Nat Biotech｜北京大学谢正伟：利用深度学习从转录谱中预测药效
人工智能在药物研发中的应用
利用人工智能增强表型药物发现