目前，DeepMind 已經使用其蛋白質折疊人工智能 AlphaFold 為人類蛋白質組、酵母、果蠅、小鼠等生成結構。

早在 2020 年 12 月，DeepMind 就用 AlphaFold 解決了一個長達 50 年的重大挑戰，AlphaFold 是預測蛋白質結構的人工智能工具。最近，這家總部位于倫敦的公司公布了該工具的全部細節，并發布了其源代碼。

現在，該公司宣布，它已經使用人工智能來預測人體中幾乎所有蛋白質的形狀，以及在 20 種研究最廣泛的生物體中發現的數十萬種其他蛋白質的形狀，包括酵母、果蠅和老鼠。

這一突破可以使來自世界各地的生物學家更好地了解疾病，并開發出新藥。到目前為止，該”寶庫”由 35 萬個新預測的蛋白質結構組成。DeepMind 表示，它將在未來幾個月內為科學界預測并釋放超過 1 億個結構——基本包含所有已知的蛋白質。

DeepMind 公司的聯合創始人兼 CEO 德米斯·哈薩比斯(Demis Hassabis)說：“蛋白質折疊是我作為 CEO 20 多年來一直關注的問題。”這對我們來說是一個巨大的工程。我想說，這是迄今為止我們所做的最大的事情。在某種程度上，這是極其令人興奮的，因為它可以在人工智能之外的世界上產生非常大的影響。”

蛋白質是由氨基酸構成的長帶組成的，它們將自己扭曲成復雜的結。了解蛋白質結的形狀可以揭示蛋白質的作用，這對于理解疾病的原理和開發新藥至關重要，或者幫助解決污染和氣候變化的生物。在實驗室里確定一種蛋白質的形狀需要幾周或幾個月的時間，而 AlphaFold 可以在一兩天內預測原子尺度上最接近的形狀。

這個新的數據庫應該會使生物學家的生活更容易。AlphaFold 可能可以供研究人員使用，但并不是每個人都愿意自己運行該軟件。“調用數據庫比運行在自己的計算機上更加容易，” 華盛頓大學的蛋白質設計研究所的大衛·貝克(David Baker)說。他的實驗室基于 AlphaFold 的方法建立了自己的工具來預測蛋白質結構，稱為 RoseTTAFold。

在過去的幾個月里，貝克的團隊一直在與生物學家合作，他們之前一直在試圖弄清楚他們正在研究的蛋白質的形狀。他說：“有很多優秀的生物學研究真的被加速了。”一個包含數十萬現成蛋白質形狀的公共數據庫將會成為一個更大的加速器。

倫敦帝國理工學院研究酵母基因組的合成生物學家湯姆·埃利斯說：“它看起來令人印象深刻。”他很興奮地嘗試這個數據庫。但他警告說，大多數預測的形狀尚未在實驗室中得到驗證。

Atomic precision 原子精度

在新版本的 AlphaFold 中，預測帶有一個置信度分數，該工具使用它來標記它認為每個預測的形狀與真實的形狀有多接近。通過這項測量，DeepMind 發現，AlphaFold 預測了 36% 的人類蛋白質的形狀，其準確性可以精確到單個原子的水平。哈薩比斯說，這對藥物開發來說已經足夠好了。

此前，經過幾十年的工作，人體中只有 17% 的蛋白質的結構在實驗室中被確定。如果 AlphaFold 的預測像 DeepMind 說的那樣準確，那么該工具在短短幾周內就將這個數字增加了一倍多。

即使是在原子水平上不完全準確的預測也仍然有用。對于人體中一半以上的蛋白質，AlphaFold 預測的形狀應該足以讓研究人員了解這種蛋白質的功能。AlphaFold 目前的其他預測要么是不正確的，要么是針對人體中特殊的占三分之一的蛋白質，這些蛋白質在與其它物質結合之前根本沒有結構。“它們是松散的，”哈薩比斯說。

哥倫比亞大學的系統生物學家穆罕默德·阿爾庫拉什(Mohammed AlQuraish)說：“AlphaFold 能達到目前的水平是令人印象深刻的，”他開發了自己的預測蛋白質結構的軟件。他還指出，擁有生物體中大多數蛋白質的結構，將使研究這些蛋白質如何作為一個系統工作成為可能，而非孤立的對象。“這是我認為最令人興奮的事情，”他說。

正在免費發布其工具和預測，不會透露未來是否計劃從這些工具從中獲取利潤。然而，并不排除這種可能性。為了建立和運行這個數據庫，DeepMind 正在與歐洲分子生物學實驗室合作，這是一個國際研究機構，已經擁有了一個大型的蛋白質信息數據庫。

目前，阿爾庫拉什已經迫不及待地想看看研究人員會如何處理這些新數據。“這非常壯觀，”他說，“我們任何一個人都沒想到這一步到來得如此之快，這令人難以置信。”

關鍵詞： 蛋白質結構 已知的蛋白質結構 人類蛋白質組 蛋白質組