AI預(yù)測蛋白質(zhì)結(jié)構(gòu)登上Science、Nature年度技術(shù)突破，潛力無窮
如果要給 AI 領(lǐng)域的 2021 評個最具突破獎，你會選擇誰？《science》和《nature》給出的答案都是「蛋白質(zhì)結(jié)構(gòu)預(yù)測」。
今年 7 月，蛋白結(jié)構(gòu)兩大 AI 預(yù)測算法相繼開源，一個是 DeepMind 的 AphaFold2，另一個是華盛頓大學(xué)等機(jī)構(gòu)研發(fā)的 RoseTTAFold。現(xiàn)在這兩大算法被《science》評為 2021 年度突破。
眾所周知，蛋白質(zhì)中的長鏈氨基酸扭曲、折疊并交織成復(fù)雜的三維結(jié)構(gòu)，這些結(jié)構(gòu)可能很難，甚至根本不可能破譯。數(shù)十年來科學(xué)家們一直希望通過基因序列簡單地預(yù)測蛋白質(zhì)的結(jié)構(gòu)形狀，以開啟一個洞察生命運(yùn)作機(jī)理的新世界，但一直進(jìn)展緩慢。
直到 DeepMind 宣布，人們首次發(fā)現(xiàn)了一種通過計算來預(yù)測蛋白質(zhì)結(jié)構(gòu)的方法。即使在不知道相似結(jié)構(gòu)的情況下，AI 也可以在原子層面上精確預(yù)測蛋白質(zhì)的結(jié)構(gòu)。
DeepMind 表示 AlphaFold 可以周期性地以原子精度預(yù)測蛋白質(zhì)結(jié)構(gòu)，在技術(shù)上利用多序列對齊和深度學(xué)習(xí)算法設(shè)計，并結(jié)合關(guān)于蛋白質(zhì)結(jié)構(gòu)的物理和生物學(xué)知識提升了預(yù)測效果。AlphaFold 的突破性研究成果將幫助科研人員探索引發(fā)某些疾病的機(jī)制，并為設(shè)計藥物、農(nóng)作物增產(chǎn)，以及可降解塑料的「超級酶」研發(fā)鋪平道路。
AlphaFold 的論文于 7 月發(fā)表在《nature》雜志上，論文地址：https://www.nature.com/articles/s41586-021-03819-2
近日 Alphafold 的締造者之一 John Jumper 也被評為《nature》2021 年度十大科學(xué)人物。
John Jumper
從 2018 年初代 AlphaFold 在國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽（CASP）嶄露頭角，到 2021 年 AlphaFold2 正式開源，John Jumper 帶領(lǐng) DeepMind 的研究團(tuán)隊克服了重重困難，才讓 AlphaFold2 實現(xiàn)了 2/3 蛋白質(zhì)結(jié)構(gòu)預(yù)測的卓越成績。
同為蛋白質(zhì)結(jié)構(gòu)預(yù)測研究的 RoseTTAFold 也一被《science》評選為 2021 年度突破。
RoseTTAFold 是由華盛頓大學(xué)醫(yī)學(xué)院蛋白質(zhì)設(shè)計研究所（Institute for Protein Design）聯(lián)合哈佛大學(xué)、德克薩斯大學(xué)西南醫(yī)學(xué)中心、劍橋大學(xué)、勞倫斯伯克利國家實驗室等機(jī)構(gòu)研發(fā)的一款基于深度學(xué)習(xí)的蛋白質(zhì)預(yù)測工具。RoseTTAFold 取得了媲美 AlphaFold2 的超高準(zhǔn)確率，而且速度更快、所需要的計算機(jī)處理能力也更低。
RoseTTAFold 發(fā)表于《science》雜志上，論文地址：https://www.science.org/doi/abs/10.1126/science.abj8754
從結(jié)構(gòu)上來看，RoseTTAFold 是一個三軌（three-track）神經(jīng)網(wǎng)絡(luò)，意味著它可以兼顧蛋白質(zhì)序列的模式、氨基酸如何相互作用以及蛋白質(zhì)可能的三維結(jié)構(gòu)。在這種結(jié)構(gòu)中，一維、二維、三維信息來回流動，使得神經(jīng)網(wǎng)絡(luò)能夠集中推理蛋白質(zhì)的化學(xué)部分及其折疊結(jié)構(gòu)。
正如其為人們所驚嘆的那樣，十幾年前一些科學(xué)家認(rèn)為蛋白質(zhì)結(jié)構(gòu)預(yù)測的問題永遠(yuǎn)無法解決，但今天這已然成為了現(xiàn)實。人工智能帶來的最大突破就是把「不可能」變成了「可能」。
擴(kuò)展來看，不只是對蛋白質(zhì)結(jié)構(gòu)預(yù)測的變革，AI 對整個科研領(lǐng)域還有大量的潛力等待挖掘，這也是 AI for Science 這一主題在今年備受關(guān)注的原因，如 AI + 數(shù)學(xué)、AI + 化學(xué)、AI + 醫(yī)藥。
也許，接下來兩年會有更多 AI + 科研的突破，大家可以重點關(guān)注下。
