谷歌DeepMind解决蛋白质折叠难题：运算时间缩至数小时

谷歌人工智能部门 DeepMind 在预测蛋白质结构方面迈出了一大步。公司表示，其已经解决了关键的 “蛋白质折叠问题”，并将解决问题的运算时间从数月缩短至数小时，这有助于加快药物发现速度，有可能破解一个类似于绘制人类基因组的问题

谷歌人工智能部门 DeepMind 在预测蛋白质结构方面迈出了一大步。公司表示，其已经解决了关键的 “蛋白质折叠问题”，并将解决问题的运算时间从数月缩短至数小时，这有助于加快药物发现速度，有可能破解一个类似于绘制人类基因组的问题。

DeepMind 开发的 AlphaFold 系统在最近结构预测关键评估（CASP）竞赛中所展现出的能力达到了 “解决”问题的水平。该活动始于 1994 年，每两年举办一次，以加速这一课题的研究。

蛋白质的不同折叠程度决定了它如何与其他分子相互作用，了解蛋白质结构变化对发现新冠肺炎等病毒如何侵入人体细胞、设计酶分解污染物和提高作物产量具有重要意义。

DeepMind 在 2014 年被谷歌收购，成为谷歌子公司。其开发的游戏人工智能广为人知。DeepMind 所开发的人工智能系统能够通过自我训练，还在围棋比赛中击败了李世石等世界知名围棋选手。公司目标是开发可以应用于更广泛问题的人工智能，目前为止，DeepMind 已经开发出的人工智能系统能够使谷歌的数据中心更加节能，通过扫描识别眼疾，并自动将文字生成语音。

DeepMind 首席执行官杰米斯 · 哈萨比斯 (Demis Hassabis)在电话采访中表示：“这些算法现在已经足够强大，强大到可以应用于解决科学问题。”“经过 4 年的发展，我们有了一个足够精确的系统，对生物学研究人员来说具有实际的生物学意义和相关性。”

哈萨比斯表示，DeepMind 目前正在研究以 “可扩展方式”为科学家提供访问 AlphaFold 系统的途径。

参与 CASP 的科学家们分析了大约 100 种蛋白质的氨基酸序列形状。参赛者被告知排列顺序，并负责预测蛋白质的形状。AlphaFold 对其中三分之二蛋白质结构的评估与 CASP 的分析几乎完全一致，而其他团队的评估契合度约为 10%。这也比 DeepMind 工具两年前首次参加 CASP 竞赛时的结果要好，当时竞赛中涉及 43 种蛋白质结构，DeepMind 准确预测出其中的 25 种。

哈萨比斯说，他开发 AlphaFold 系统的灵感来自 CASP 试图找到未知蛋白质结构的尝试，比如 Foldit 就是以谜题的形式向业余志愿者展示问题。在最初的两年里，人类玩家被证明在解开谜题方面更具优势，最终还发现了一种让科学家们困惑不已的蛋白质结构，并就此设计了一种新的酶，后来在实验室得到了证实。欧洲生物信息学研究所 (European Bioinformatics Institute)名誉主任珍妮特 · 桑顿 (Janet Thornton)说：“确定单个蛋白质结构通常需要多年的实验努力。”桑顿是使用计算方法分析蛋白质结构的先驱之一。“更好地理解蛋白质结构、能够使用计算机预测它们意味着更好地理解生命进化历程，当然，也能够更好理解还有有关人类健康和疾病的诸多问题。”