生物學界最大的挑戰(zhàn)之一——蛋白質三維結構解析如今有望被破解。谷歌旗下人工智能公司DeepMind開發(fā)的深度學習程序AlphaFold能夠精確預測其三維形狀。

   蛋白質是生命活動的主要承擔者，其工作方式和作用取決于它的高級結構，即“結構即功能”，它傾向于僅在受物理定律的指導下形成相應結構。

   幾十年來，實驗室一直是解析蛋白質結構的主要途徑。從20世紀50年代開始，利用X單晶衍射法首次確定了蛋白質的完整結構。在過去的十年中，冷凍電鏡已經(jīng)成為許多結構生物學實驗室所青睞的技術。

   長期以來，科學家們一直想知道一級的氨基酸序列是如何折疊成各種構型的蛋白質三級結構。在20世紀80年代和90年代，就有利用計算機預測蛋白質結構的嘗試，但是最終結果都不理想。

   2020年11月30日，在蛋白質預測結構挑戰(zhàn)賽CASP上，英國DeepMind公司研究人員創(chuàng)建的AlphaFold程序在百余支隊伍中脫穎而出。AlphaFold程序在比賽中的中位分數(shù)達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(zhàn)性的蛋白質結構的平均得分為87，比最接近它的競爭對手領先了25分。

   將深度學習與張力控制算法結合，并應用于結構和遺傳數(shù)據(jù)，該深度學習網(wǎng)絡利用目前已知的17萬種解析完畢的蛋白質進行了訓練�，F(xiàn)階段AlphaFold系統(tǒng)可能需要幾天的時間才能得出預測的結構，其中包括對蛋白質不同區(qū)域可靠性的評估。DeepMind有關研發(fā)團隊表示，還將繼續(xù)對AlphaFold展開訓練，以便更好地解析更復雜的蛋白質結構。

   AlphaFold目前雖不太可能取代冷凍電鏡等相關解析蛋白結構的實驗手段，但它的出現(xiàn)意味著，生物學家們可以將計算方法預測蛋白結構作為科學研究的工具之一。另外，在現(xiàn)有的繁雜的基因組數(shù)據(jù)中，新一代分子生物學家如何針對數(shù)據(jù)轉換為蛋白結構解析提供幫助，是AI技術在結構生物學發(fā)展中的難題�！�