DeepMind可能刚刚攻克了生物学领域最大的挑战之一。一个可以与DNA双螺旋结构的发现相媲美的发现。它可能永远改变生物医学、药物发现和疫苗开发。

乍一看，游戏的实际成就远没有那么吸引人。DeepMind强大的人工智能算法之一AlphaFold利用其深度学习能力预测蛋白质的三维形状，精确到一个原子的宽度。这是一个让生物学家困惑了50年的难题，以至于基于计算机的蛋白质结构预测已经变成了众包游戏，全球竞赛。

我们正处在拐点上。AlphaFold在一项名为“结构预测关键评估（CASP）”的长期挑战中，以惊人的表现击败了约100个其他团队。CASP联合创始人、马里兰大学的约翰·莫尔特博士对《自然》杂志说：“在某种意义上，这个问题已经解决了。”

哥伦比亚大学的穆罕默德博士也参加了CASP项目，他称赞人工智能具有变革意义。他对《自然》杂志说：“这是一级突破，无疑是我一生中最重要的科学成果之一。”

这也是DeepMind的一次胜利，该公司因一系列算法在围棋等游戏中的表现超过人类而声名大扬。然而，蛋白质结构预测的胜利标志着它在现实世界的闪亮登场。

DeepMind并不是蛋白质折叠领域唯一的竞争者。AlphaFold依靠生物学数据和洞察力，通过策略性地改变一个复杂蛋白质组装的基因并观察结果，该团队能够建立一种算法，以极高的精度重建蛋白质。

我们一起走在范式转变的快车道上。“这将改变医学，”马克斯·普朗克发育生物学研究所的安德烈·卢柏斯博士说。“它将改变研究。它将改变生物工程。它将改变一切。”

这有什么大不了的？

生物学的中心原则是“结构解释功能”。例如，DNA双螺旋结构的发现，使人们对遗传信息是如何复制和存储的有了更深刻的认识。如果没有结构，我们就不会有基因编辑、DNA计算机或存储设备。

但要破译它们要难得多。它们最初的生命是由线性成分组成的缎带，称为氨基酸，就像绳子上的珠子。基于极其复杂的生物物理学（其中许多仍是谜团）折叠成精致的形状，比如一片片的扭曲和旋转的线，或者相互缠绕的螺旋线。这些结构中的许多进一步耦合成为更大的结构。只有这样，它们才能正常运作以维持生命。

如果我们知道一个蛋白质的结构，我们就可以对它的功能做出有根据的猜测。通过绘制数以千计的蛋白质结构，我们可以开始破译生命的生物学原理，并找到操纵它的方法。

其中一项重大突破是绘制出病毒表面“刺突”蛋白的结构，而病毒正是依靠这种蛋白入侵我们的细胞。把蛋白质的三维结构想象成一把锁。如果我们能绘制出锁的形状，那么就有可能设计出“钥匙”（药物或疫苗）来破坏它。今年3月，正当新冠肺炎病例在全球范围内激增时，DeepMind的AlphaFold瞄准了这些激增的蛋白质结构，这并不令人惊讶。

发现蛋白质结构的经典“黄金标准”依赖于极其繁琐和困难的实验室技术，被称为x射线晶体学。科学家们基本上把蛋白质“冷冻”成精致的晶体结构，并用x射线、高科技显微镜和数学计算出它们的形状。但并不是所有的蛋白质都能被“快速冷冻”以供分析，这就为解码生物学留下了一条大峡谷大小的鸿沟。其他一些方法，像“核磁共振光谱学”也同样昂贵和繁琐。

构建3D蛋白质的指令并嵌入到它的一维氨基酸序列中，这一发现赢得了诺贝尔奖。如果有一件事是人工智能擅长的，那就是在复杂序列中找到超出我们人类能力的模式。

三维图

CASP挑战赛是对蛋白质结构的预测，这些预测已经通过x射线晶体学得到，但还无法向公众开放。DeepMind并不是这一挑战的新来者，在2018年，它的表现震惊了许多长期在该领域工作的学术科学家。

AlphaFold的策略与今年CASP的大多数参赛作品类似，因为它依赖于深度学习。氨基酸序列是蛋白质的组成部分，它包含了蛋白质最终三维形状的数据，这对于深度学习方法来说似乎是完美的。

DeepMind则更进一步，将物理、几何和进化历史的数据添加到模型中。这个神经网络经过了大约17万个蛋白质结构的蛋白质数据库的训练，然后可以将蛋白质的结构解释为“3D图”，并分析任何隐藏的关系或模式。通过迭代这一过程，AlphaFold能够在几天内确定高度精确的结构。

这些并不是空洞的话语。在CASP，这种算法让竞争对手相形见绌。近三分之二的预测与实验数据在几个原子的分辨率上相当。在满分100分的比赛中，它取得了令人难以置信的90分，比其他竞争者高出了25分。

更多

更实际地说，AlphaFold的成功意味着我们可以获得以前“无成药性”的蛋白质，其中许多与癌症和其他严重疾病有关。

几乎我们所有的药物都设计成与蛋白质结合，就像锁的钥匙一样。第一步是寻找蛋白质的结构易损点。拥有一种基于人工智能的方法来解码蛋白质结构，可以快速筛选成千上万的新药物靶点。

这里还有改进的空间。与一些几秒钟就能得到结果的算法相比，AlphaFold的速度相对较慢。但更重要的是，它在解码蛋白质复合体上遇到了困难，蛋白质复合体是由多个独立的3D构建模块组成的巨型结构，它们形成了一个整体的功能实体。这在生物学中并不罕见。例如，我们脑细胞中的大多数化学受体都依赖于这些结构。它们也像巨大的魔方一样可以变形，因为它们的3D结构可以根据身体的状态而改变。例如，当它检测到一种化学物质附着在其表面时，一个封闭隧道形状的巨型蛋白质就会打开，这是我们大脑工作的核心过程。

本周，一个团队采用了一种单独的方法来分析活细胞中的蛋白质复合物。他们解决这个棘手问题的方法可以追溯到基因，基因是指导氨基酸链构建的蓝图，其中包含3D蛋白质折叠的信息。

研究小组发现，他们可以快速筛选数千种突变，以找到在活细胞中制造蛋白质的基因。通过观察产生的蛋白质复合物的结构，他们可以使用基于人工智能的方法来绘制一个突变如何影响另一个，反过来，只需观察它们的潜在遗传指令，就可以解释这些巨型结构形成背后的“规则”。

与AlphaFold类似，这项被称为“综合建模”的技术尚未准备好取代蛋白质制图的黄金标准。但我们比以往任何时候都更接近目标。从单一蛋白质到蛋白质复合物，我们现在有更快、更简单、更便宜的方法来精确地可视化一个生物隐形人。随着人工智能和生物学的协同工作，蛋白质折叠可能成为我们这一代医学的第一个重大突破。

AlphaFold是我们迄今为止最重要的进步之一。这让我们进一步相信，人工智能将成为人类在拓展科学知识前沿方面最有用的工具之一，我们期待着未来多年的艰苦工作和发现！