AI現(xiàn)在可以快速可靠地預測大多數(shù)蛋白質(zhì)的三維形狀。圖片來源：DEEPMIND

　　近日，美國華盛頓大學和英國DeepMind公司分別公布了多年工作的成果：先進的建模程序，可以預測蛋白質(zhì)和一些分子復合物的精確三維原子結構。其中一個研究小組報告說，他們已經(jīng)使用最新開發(fā)的人工智能（AI）程序預測了來自人類和20種模式生物的35萬種蛋白質(zhì)結構——如大腸桿菌、酵母和果蠅。未來幾個月里，他們計劃將所有已編目的蛋白質(zhì)列入模型蛋白質(zhì)名單，大約有1億個分子。

　　“這是相當驚人的?！泵绹R里蘭大學蛋白質(zhì)專家John Moult說，他每兩年舉辦一次名為“關鍵的蛋白質(zhì)結構預測方法”（CASP）的比賽。Moult表示，幾十年來，結構生物學家一直夢想有一天，計算機模型能增加從X射線晶體學等實驗方法中獲得的極精確蛋白質(zhì)形狀的數(shù)量。“我從沒想過這個夢想會成真?！盡oult說。

　　這一名為AlphaFold的模型是DeepMind公司研究人員的成果，DeepMind是一家隸屬于谷歌母公司Alphabet的英國AI公司。2020年，AlphaFold“橫掃”了CASP。但是DeepMind研究人員沒有透露繪制蛋白質(zhì)形狀的理論細節(jié)，特別是AlphaFold的底層計算機代碼。

　　這種情況已開始改變。7月15日，華盛頓大學的Minkyung Baek和David Baker研究小組報告說，他們創(chuàng)建了一個名為RoseTTAFold的高度精確的蛋白質(zhì)結構預測程序，并公開發(fā)布了該程序。相關成果在線發(fā)表于《科學》。與此同時，《自然》發(fā)表了一篇由DeepMind研究人員Demis Hassabis和John Jumper撰寫的論文，公布了AlphaFold的細節(jié)。

　　兩個程序都使用AI在龐大的蛋白質(zhì)結構數(shù)據(jù)庫中識別折疊模式。這些程序通過考慮蛋白質(zhì)中相鄰氨基酸相互作用的基本物理和生物學規(guī)則，計算出未知蛋白質(zhì)最可能的結構。論文顯示，Baek和Baker使用RoseTTAFold創(chuàng)建了一個包含數(shù)百個G蛋白偶聯(lián)受體（一類常見的藥物靶點）的結構數(shù)據(jù)庫。

　　而DeepMind研究人員創(chuàng)造了35萬個預測結構，是以前實驗方法得到的結果的兩倍多。研究人員表示，AlphaFold產(chǎn)生了近44%的人類蛋白質(zhì)結構，涵蓋了人類基因組編碼的近60%的氨基酸。AlphaFold確定許多其他人類蛋白質(zhì)是“無序的”，這意味著它們的形狀不是單一結構。

　　此外，DeepMind與歐洲分子生物學實驗室合作共建了一個新的蛋白質(zhì)預測數(shù)據(jù)庫，可以在網(wǎng)上免費訪問?！澳芴峁┻@種服務真是太棒了。” Baker說，“這真的會加快研究步伐?！币驗榈鞍踪|(zhì)的3D結構在很大程度上決定了它的功能，所以這一數(shù)據(jù)庫便于生物學家厘清數(shù)千種未知蛋白質(zhì)是如何工作的。（文樂樂）