Science和Nature同日竞相发文：谷歌母公司Alphabet旗下的AI实验室DeepMind宣布公开一款AI的源代码。名为AlphaFold2的AI将降低整个细胞生物学和药物研发领域的从业门槛。

大约50年以来，分子生物学家一直猜测，蛋白质分子长链在空间中的折叠结构，是由链上的氨基酸种类和顺序唯一决定的——由此我们就可以按部就班地拼接氨基酸来得到特定功能的酶，或者仅通过小分子的顺序来预测蛋白质大分子的功能，而无需实验——但这并不是一个容易解决的问题。

实际上，潜在结构的数目是如此之大，以至于研究人员推测，对所有可能的分子排列进行采样所花费的时间将超过宇宙的寿命。之前，按照当时人类掌握的理论机制，在已知蛋白质的一级结构和二级结构的条件下，完全无法用来预测三级结构。

但是，如果我们能够解决这个难题(即蛋白质折叠问题)，将极大地加快药物开发和疾病建模的能力，并带来远远超出当前想象的应用。

因此，尽管面临挑战，但数十年来，研究人员一直在努力寻找解决方案。

1990年代开始进行了名为CASP(蛋白质结构预测的关键评估)的严格实验，用于检验科学家们设计出的能够预测蛋白质折叠的理论系统。

去年，DeepMind的AlphaFold提供了准确性前所未有的3D蛋白质结构预测模型。

在实验中，DeepMind为AlphaFold使用了一种新的深度学习架构，该架构能够理解和计算3D蛋白质的“空间图”，从而预测支撑其折叠结构的分子结构。

AI系统被喂了大约170000种蛋白质的结构数据，作为培训，参与到今年的CASP挑战中(CASP14)，得分为92.4 GDT。

该数值高于通常的湿实验方法得到的结果——90 GDT阈值，而DeepMind表示，其预测平均仅偏离约1.6埃(约一个原子的宽度)。

欧洲分子生物学实验室的基因组学研究员Ewan Birney说：“当我看到这些结果时，我几乎从椅子上摔了下来。我知道CASP多么严格——它基本上确保了计算模型必须从头开始蛋白质折叠。令人沮丧的是，看到这些模型可以如此精确地做到这一点，而我们有很多方面需要理解，但这确实是科学的巨大进步。”

基本上，AlphaFold背后的团队大概率会拿到一个诺贝尔奖。也就是说计算机和算法科学家会拿到诺贝尔医学和生物学奖。

随后，华盛顿大学蛋白质设计中心的团队受AlphaFold算法的启发，研发了RoseTTFold算法，据说结果精度稍逊于前者，但计算开销更少。

唯一令学界担忧的是，DeepMind若为自己的AI申请专利保护，将带来不必要的信息壁垒。甚至会有科学家把大量时间金钱浪费在AI早已解决的问题之上。

今年，DeepMind再接再厉，又升级优化了算法，推出AlohaFold2——比上一版快16倍，或将给细胞和蛋白质科学领域带来一场革命。同时，他们彻底打消了生物学家的疑虑，上周直接宣布：公开AlohaFold2的源代码。

华盛顿大学蛋白质设计中心则迅速跟进，也开源了RoseTTFold的代码。

本文结合去年的译文和今年Nature的报道而成

但事情还没有完。就在本文发出不久，谷歌DeepMind和欧洲分子生物学实验室(EMBL)的研究人员又完全开放了他们利用AI发现的蛋白质的数据库。这一做法实质上让科学界已知的蛋白质类型数量一夜之间翻了一番。

A protein model in the database. (DeepMind/YouTube)

PREV : 科学家在采自青藏高原的冰芯里发现了15000年前的未知病毒
NEXT : 今日好价：春暁矿泉水