蛋白質(zhì)的新“折疊”！DeepMind重磅推出家族新成員AlphaFold

通過(guò)阿爾法折疊，提前十年檢測老年癡呆就容易多了。

人工智能領(lǐng)域第一大家族，來(lái)自DeepMind的Alpha家族最喜歡做的事情就是出其不意。

它們所有的小確幸都是，意料之中、精彩尤甚。

比如之前一戰成名的AlphaGo、后續傲嬌的AlphaZero，以及這兩天剛剛加入家族戰隊的AlphaFold，中文封號為，阿爾法折疊。

生物醫學(xué)領(lǐng)域，一向都是冷靜與熱情并存，而這位AI新寵兒AlphaFold的性格雖然還不明朗，但至少目前看來(lái)，勢必會(huì )引發(fā)生物醫學(xué)領(lǐng)域新一輪的研究加速。

“小奇妙”阿爾法折疊

據DeepMind介紹，阿爾法折疊這項成果的重大意義就在于，你給它一段基因序列（生物學(xué)上稱(chēng)其為蛋白質(zhì)一級結構），在電腦上跑一下，就可以成功對這種蛋白質(zhì)建模。

看似簡(jiǎn)單，但意義非凡。

在過(guò)去五十年，和阿爾法折疊起到相同功能的技術(shù)有冷凍電子顯微鏡、核磁共振或X射線(xiàn)晶體學(xué)等實(shí)驗技術(shù)。單看儀器，它們就需要高昂的價(jià)格，但最重要的是，其實(shí)驗成本也很高，需要專(zhuān)人做大量的實(shí)驗，器材損耗不說(shuō)，實(shí)驗用料就要花費數萬(wàn)美元。

花錢(qián)不說(shuō)，最主要的是，整個(gè)過(guò)程太慢，需要耗費研究者幾年甚至數十年的光陰。

有了阿爾法折疊就不一樣了，生物學(xué)家再也不用在實(shí)驗器材面前耗費數十年的光陰，只需要簡(jiǎn)單錄入數據就好。

當然，阿爾法折疊的好處不僅這么點(diǎn)，最終它還是惠及到我們普羅大眾的身上。

以老年癡呆癥（學(xué)名為阿爾茨海默氏癥）為例，它在人體的潛伏期長(cháng)達十幾年之久，且病因復雜，以目前的醫學(xué)技術(shù)，臨床上甚至很難在發(fā)病前幾年檢測出這一疾病。

在生物學(xué)研究上，科學(xué)家普遍認為蛋白質(zhì)的變化是引發(fā)老年癡呆的病因。換句話(huà)說(shuō)，老年癡呆患者的某一部分蛋白質(zhì)長(cháng)得一定和正常人不一樣。但是由于我們的研究速度太慢，所以生物學(xué)家不知道身體中所有的蛋白質(zhì)形態(tài)，因此檢測哪一部分不一樣就難如登天。

想象一下，通過(guò)阿爾法折疊，提前十年檢測老年癡呆就容易多了，只要通過(guò)電腦看下蛋白質(zhì)長(cháng)得是否有差異就可以了。

人工智能對蛋白質(zhì)結構的“深度寵愛(ài)”

這一次，讓阿爾法折疊一戰成名的還是一項比賽。

在1994年，為了促進(jìn)研究和衡量最新方法在提高預測準確性方面的進(jìn)展，蛋白質(zhì)結構預測技術(shù)關(guān)鍵評估社區范圍實(shí)驗（CASP）的雙年度全球競賽被設立。演變至今，其比賽結果已經(jīng)成為行業(yè)標準。

雖然沒(méi)有AlphaGo當年成名那么壯觀(guān)，但作為阿爾法家族的一員，阿爾法折疊一出手就是不凡。在今年的CASP比賽上，它不出所料的成功拿到了第一。

據DeepMind官網(wǎng)上的介紹，基于深度神經(jīng)網(wǎng)絡(luò )，他們設計了兩種方法以用來(lái)構建完整而精確的蛋白質(zhì)結構。

首先，他們先采集氨基酸對之間的距離和連接這些氨基酸的化學(xué)鍵之間的角度數據，接著(zhù)將這些數據設計成用以評估蛋白質(zhì)結構準確度的分析工具。

使用這一分析工具，研究團隊想出第一種方法，就是在現有蛋白質(zhì)數據庫里找到最匹配的蛋白質(zhì)，如果找不到，他們就基于最接近的搜索結構上，用新的基因片段不斷替換，以創(chuàng )造出匹配要求的新結構。

而這第二種方法要更簡(jiǎn)單一些。據他們介紹，研究人員主要用的就是梯度下降 -a數學(xué)技術(shù)，它的精度相較于第一種會(huì )更高一些。相較于第一種方式，這種技術(shù)一步就可以預測整個(gè)蛋白質(zhì)鏈，而不用經(jīng)歷組裝的過(guò)程，整個(gè)過(guò)程更簡(jiǎn)單。

DeepMind沒(méi)有公布更多細節，但經(jīng)過(guò)這樣“簡(jiǎn)單”的設計，奇跡就這樣發(fā)生了。

最后，科普來(lái)了

在人體內，蛋白質(zhì)是一種神奇的存在。

眾所周知，蛋白質(zhì)是構成人體結構的主要成分，其含量?jì)H次于水，約占一個(gè)人體重的五分之一。我們身體所要執行的幾乎所有功能，包括肌肉的收縮與拉伸、身體對光線(xiàn)的感知和食物的轉化，都需要蛋白質(zhì)在其中起關(guān)鍵作用。

而科學(xué)家指出，蛋白質(zhì)的結構很大程度上決定了一種蛋白質(zhì)的特性，因此研究蛋白質(zhì)3D結構的重要性就顯而易見(jiàn)了。在我們的身體里，這樣的案例比比皆是，如構成我們免疫系統的抗體蛋白質(zhì)是“Y形”的；膠原蛋白的形狀像繩索；用于基因編輯的CRISPR和Cas9，它們則像剪刀一樣。

但是純粹從基因序列只能夠找出蛋白質(zhì)的三維形狀是一項復雜的任務(wù)，按照傳統的研究方法，科學(xué)家需要從一級結構、二級結構來(lái)一層層研究，花費幾十年甚至千百年才能夠完全建立蛋白質(zhì)的形態(tài)模型。

而阿爾法折疊的出現，讓生物學(xué)家省去了不少功夫。

在DeepMind官網(wǎng)上，他們是這么介紹這一重大成果的面世的：“我們很高興與大家分享DeepMind在展示人工智能研究如何推動(dòng)和加速新科學(xué)發(fā)現方面的第一個(gè)重要里程碑。DeepMind匯集了來(lái)自結構生物學(xué)、物理學(xué)和機器學(xué)習領(lǐng)域的專(zhuān)家們，通過(guò)跨學(xué)科方式將尖端技術(shù)運用其中，設計出了僅根據其基因序列就可以預測蛋白質(zhì)3D結構的AlphaFold。”

相關(guān)信息參見(jiàn)DeepMind官網(wǎng)，點(diǎn)擊閱讀原文獲取鏈接。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！