人工智能里程牌，破解世纪蛋白质难题

文/陈根

蛋白质是生命的基石,几乎支持着人体的所有功能。同时,蛋白质又是大型复杂分子,由氨基酸链组成,蛋白质的作用很大程度上取决于其独特的三维结构。准确预测蛋白质三位结构对生命科学和医学无疑是一个巨大的福音,这意味着大大加快人们对细胞组成部分的理解,并使人们能够更快、更先进地发现药物。

然而,预测蛋白质三位结构的“蛋白质折叠问题”却并不简单,一个主要的挑战是,蛋白质在形成最终的三维结构之前,理论上可以折叠的方式数量是天文数字。

1969年,塞勒斯 · 莱文塔尔(Cyrus Levinthal)指出,用暴力计算法列举一个典型蛋白质的所有可能构型所需的时间比已知宇宙的年龄还要长,他估计一个典型蛋白质有10 ^ 300种可能构型。事实上,在过去的半世纪里,“蛋白质折叠问题”都是生物学中的一个巨大挑战。

而现在,这一困扰科学家们的世纪难题,却在人工智能的深度学习下得到了重大突破。去年年底,谷歌DeepMind推出了一种名为AlphaFold(一个用人工智能加速科学发现的系统,它基于蛋白质的基因序列,就能预测蛋白质的3D结构)的算法。

近日,在有“蛋白质奥林匹克竞赛”称呼的国际蛋白质结构预测竞赛(CASP)上,AlphaFold击败了其余的参会选手,能够精确地基于氨基酸序列,预测蛋白质的3D结构。其准确性可以与使用冷冻电子显微镜(CryoEM)、核磁共振或 X 射线晶体学等实验技术解析的3D结构相媲美。

这一发展也被研究人员们给予高度的评价。马克斯·普朗克发展生物学研究所(Max Planck Institute for Developmental Biology)所长、CASP评估员安德烈·卢帕斯(Andrei Lupas)教授表示:“阿尔法·弗尔德(Alpha Fold)惊人的精确模型使我们能够解决近十年来一直困扰科学界的蛋白质结构问题,重新启动了学界的研究,以了解信号是如何通过细胞膜传递的。”

未来,Alpha Fold或将帮助科学家发现蛋白质功能失调以及导致某些疾病的原因,这为药物开发开辟了全新的途径,从而可以快速地进行医疗治疗。它还可以帮助开发降解塑料废物的酶,或者通过预测新病毒的蛋白质结构来帮助解决未来的流行病。同时,它还可以帮助解开目前我们不知道其结构的数亿蛋白质。

诺贝尔奖得主、皇家学会主席Venki Ramakrishnan教授表示,这项计算工作代表了蛋白质折叠问题的惊人进展,这曾经是生物学领域50年来的重大挑战。