“刚开始大家还在开玩笑 ， 说Deepmind是不是通过什么方法盗取了真实实验结果 ， 直到大家看到文章和开源代码才敢相信这件事情真的发生了 。 ”苗洪江笑言 ， 这侧面证明AlphaFold2预测结果之震撼 ， “这开启了人工智能在计算生物学广泛应用的大门 ， 让整个领域的人看到了深度学习在这个领域可以广泛应用 ， 这实打实的双盲实验结果就是证明 。 ”
AI预测结果和实验室水平相当
1994年 ， 美国科学家约翰·莫尔特（JohnMoult）发起国际蛋白质结构预测竞赛 ， 每两年举办一届 ， 竞赛的举办正是为了吸引计算机科学、生物物理学等不同领域的专家参与到蛋白质三维结构预测这一极具挑战性的生物信息学问题中来 。 2018年 ， 人工智能正式参与蛋白质三维结构的预测 ， AlphaFold首次大显身手 ， 在98名参赛队伍中排名第一 。 两年后 ， AlphaFold2带来真正的突破 ， 它用机器学习方法对几乎所有的蛋白质都预测出了正确的结构 ， 其中有大约2/3的蛋白质预测精度达到了结构生物学实验的测量精度 。
事实上 ， 过去半个多世纪 ， 人类一共解析了5万多个人源蛋白质的结构 ， 人类蛋白质组里大约17%的氨基酸已有结构信息 ， 而AlphaFold2预测的结构将这一数字从17%提高到58% ， 因为无固定结构的氨基酸比例很大 ， 58%的结构预测已经接近极限了 。 它带来的在生命科学各分支领域的革命 ， 将在今后几年到十几年中逐渐显现出来 。
施一公在接受媒体采访时曾谈到 ， 人类蛋白质组里能够被预测的以单个蛋白为单位的空间三维结构 ， 已经基本都被AlphaFold2预测了 。 总体而言 ， 预测结果可信、也比较准确 。 对结构生物学来说 ， 这是一个颠覆性突破 。 此前人类尚未被解析的一些结构 ， 现在基本上都已经被预测 。
对生物化学、细胞生物学、遗传发育、神经生物学、微生物学、病理药理等一大批生命学科和研究领域来说 ， 这会大大改进人们对于生命过程的理解 。 比如 ， 遗传学家也许积累了大量数据 ， 但如果不知道蛋白质结构 ， 就没法研究某个突变对于蛋白功能的影响 。 现在不同了 ， 通过AlphaFold2的结构预测就能查看人类遗传病中的每一个突变在相关蛋白结构里的具体位置 ， 进而有可能推测出蛋白功能如何受到影响 。
再比如 ， DeepMind预测出来的蛋白结构 ， 包括了众多G蛋白偶联受体和关键酶在内的一大批结构未知的药物靶点蛋白 ， 而且预测的结构足够准确 。 这对于制药界来说太重要了 ， 等于提供了可靠的药物设计和药物优化的重要基础 。
单个蛋白质结构预测只是起点
今年7月 ， DeepMind公开了AlphaFold2的源代码 ， 并在《自然》上发表论文阐述了AlphaFold2的技术细节 。
推荐阅读
- 人工智能|聚焦车载人工智能计算芯片研究 推进汽车产业高质量发展
- 娱乐性|新华全媒＋｜探秘冬奥会“黑科技”：当冰壶遇上人工智能
- 市民|大数据、人工智能带来城市新变化 科技赋能深化文明成效
- 赛道|声网发布实时互动场景创新生态报告，预测RTE行业市场规模将达千亿
- 科研机构|人工智能点燃哈尔滨高质量发展新引擎
- 可持续性|人工智能将重塑健康管理，业内专家认为可持续性是最大挑战
- the|美疾控中心预测：未来一个月内全美或有超4.4万人死于新冠肺炎
- 策源|上海人工智能规上产业规模到2025年达到4000亿元
- 敏捷|上海人工智能“十四五”规划发布：集聚超20个国际顶尖团队
- 数字货币|是继续欣欣向荣还是泡沫破灭? 专家给出加密货币2022年五大预测