颠覆生物学！AlphaFold成功预测蛋白质结构

羊见苗

来源： Nature自然科研

　　谷歌旗下人工智能（AI）公司DeepMind的一个AI网络朝着解决生物学领域最大的挑战之一迈出了一大步，这里的挑战是：根据一个蛋白质的氨基酸序列来确定它的3D结构。

　　DeepMind的这个程序叫做“AlphaFold”，在名为“蛋白质结构预测关键评估”（CASP）的蛋白质结构预测双年赛上，击败了其他百来支团队。11月30日，赛事盘点大会（今年改为线上举办）开幕，公布了上述结果。

一个蛋白质的功能由它的3D结构决定。来源：DeepMind

　　“这非常了不起。”马里兰大学计算生物学家John Moult说。Moult在1994年联合创办了CASP，为的是提高准确预测蛋白质结构的计算方法。“从某种程度上说，问题解决了。”

　　能根据氨基酸序列准确预测蛋白质结构，将为生命科学和医药领域带来巨大好处。这将极大地增进我们对细胞基本构成的理解，让药物发现加速升级。

　　AlphaFold在上一届的CASP上摘得头魁——2018年，总部位于伦敦的DeepMind首次参赛。而在今年，DeepMind的深度学习网络更是一骑绝尘，用科学家的话说，其表现之惊人，或预示着生物学的一场革命。

　　“它改变了整个局面。”CASP的评委、马克斯·普朗克发育生物学研究所的演化生物学家Andrei Lupas说。AlphaFold帮他发现了困扰他实验室数十年的一种蛋白质的结构，他认为AlphaFold将改变他的工作方式，以及他要解决的问题。“它将改变医学，改变研究，改变生物工程，改变所有。”Lupas说。

　　有些时候，AlphaFold预测的结构与利用X射线晶体学和近几年的冷冻电镜（cryo-EM）等“金标准”实验方法所确定的结构几乎别无二致。科学家说，目前看来，AlphaFold还不能取代这些费力又昂贵的技术，但它将带来全新的研究生命的方式。

　　结构问题

　　蛋白质是生命的基石，决定着细胞里发生的一切。蛋白质如何工作以及它做些什么都是由它的3D结构决定的——“结构即功能”是分子生物学的一条公理。蛋白质似乎无需帮助就能成形，只需要遵循物理定律。

　　几十年来，实验室实验一直是获得良好的蛋白质结构的主要手段。蛋白质的首个完整结构是在上世纪50年代确定的，当时使用的技术拿X射线束照射结晶的蛋白质，衍射光转化为蛋白质的原子坐标。X射线晶体学贡献了大部分的蛋白质结构，但在过去十年里，冷冻电镜成为了许多结构生物学实验室的首选工具。

　　科学家一直想知道蛋白质的组分——一连串不同的氨基酸——是如何扭曲和折叠成其最终形状的。20世纪80、90年代用计算机预测蛋白质结构的早期尝试并不成功，研究人员说。已发表论文中的夸大其词在其他科学家用别的蛋白质尝试时很容易不攻自破。

　　为了让这方面的研究更加严谨一些，Moult创立了CASP。参赛团队需要预测的蛋白质的结构已经用实验方法进行了解析，但尚未公布。Moult认为这个实验（他没有称其为比赛）挤掉了水分，净化了整个领域。“你真的在判断哪些看起来有希望、哪些有用、哪些需要抛弃。”他说。