谷歌DeepMind重大突破：蛋白質結構準確預測或加速藥物研發

圖片來源：DeepMind

記者 | 田思奇

總部位於倫敦的實驗室DeepMind研發的人工智慧系統已經分別在圍棋（AlphaGo）、國際象棋（AlphaZero）和星際爭霸（AlphaStar）等一系列競技領域戰勝最頂尖的人類選手。現在，該實驗室又在生物學領域取得突破，基本解決困擾研究人員半個世紀的一大難題。

11月30日（周一），一項和蛋白質預測相關的國際競賽宣布，在最新人工智慧程序AlphaFold的幫助下，DeepMind已經可以準確預測蛋白質如何摺疊成3D形狀，其預測結果和更加費時費力的實驗室結果基本相當。這將幫助研究人員更高效地梳理導致某些疾病的機制，進而設計相關藥物。

作為人體最重要的化合物之一，人類對蛋白質結構與功能的探索由來已久。1972年，美國科學家克里斯蒂安·安芬森（Christian Anfinsen）憑藉可以根據蛋白質的氨基酸序列來確定蛋白質形狀的研究成果收穫諾貝爾化學獎。

從那時起，研究人員通過X射線、核磁共振和冷凍電鏡技術破譯了部分蛋白質結構，但這一過程需要幾個月甚至幾年的時間。雖然計算機技術的發展極大地推動了對蛋白質結構的預測，但到目前為止，生命體中已知的約2億種氨基酸序列中，只有約17萬種蛋白質結構得以確定。

1994年，美國馬里蘭大學的約翰·穆爾特和同事發起CASP競賽（即「蛋白質結構預測技術批判性評估社區實驗」），旨在比較計算機預測的蛋白質結構和實驗室的結果，準確度將以0-100的分數呈現，得分在90分以上就可認為與實驗室結果一致。

俗稱為「蛋白質奧林匹克」的CASP競賽每兩年舉行一次，來自全球的團隊需要預測大約100種蛋白質的結構。比賽發起當年，小而簡單的蛋白質結構已經可以獲得準確的預測結果，但對於複雜的蛋白質結構，預測結果只有20分的水平。到2016年，最具挑戰的蛋白質結構預測結果得分已經上升至40分。

直到2018年，谷歌母公司Alphabet旗下的DeepMind攜AlphaFold首次參賽，隨即在最具挑戰的蛋白質結構上斬獲60分，大幅領先所有對手。

但AlphaFold的研發負責人約翰·傑弗姆（John Jumper）表示，這些預測仍然過於粗糙，不具有任何生物學意義。

兩年來，AlphaFold繼續利用公共蛋白質資料庫中的已知蛋白質形狀信息進行「學習」，並改進了演算法。今年它再次參賽，其得分中值一舉達到92.5分，在最具挑戰的蛋白質上也獲得87分。

CASP競賽組織者甚至擔心DeepMind可能會作弊，因此評委之一，德國普朗克發展生物學研究所科學家安德烈·盧帕斯（Andrei Lupas）把一種古生菌的膜蛋白納入挑戰。他的研究團隊在過去10年裡都未能通過X射線獲得該蛋白質的結構。

但AlphaFold沒有遇到任何麻煩，它交出了一份由三部分組成的蛋白質圖像，並幫助盧帕斯團隊理解了X射線的數據，在半小時內獲得與AlphaFold的預測相吻合的實驗室結果。「這幾乎是完美的，」盧帕斯說。「他們不可能在這件事上作弊，我不知道他們是怎麼做到的。」

馬里蘭大學的約翰·穆爾特也表示，研究出一種蛋白質的形狀需要昂貴的設備，而且通常需要數年時間。「這是一個有50年歷史的難題，我從來沒想過會在有生之年看到這樣的場面。」

在實際應用方面，DeepMind表示已經開始與幾個科學團體合作，在初始階段專註於瘧疾、昏睡病和利什曼病這些熱帶寄生蟲相關疾病，它們與許多未知蛋白質結構有關。