11月2日，在墨西哥坎昆舉行的第13屆全球蛋白質結構預測競賽(Critical Assessment of protein Structure Prediction，CASP)上。組織者宣布，DeepMind 的最新人工智能程序 ——AlphaFold 在一項極其困難的任務中擊敗了所有對手，成功預測生命基本分子——蛋白質的三維結構。

　　作為一項基礎技術，DeepMind在自己博客中，將AlphaFold 稱為在展示人工智能研究推動和加速新科學發現方面的“第一個重要里程碑”。

　　通過跨學科方法，DeepMind匯集了來自結構生物學，物理學和機器學習領域的專家，以應用尖端技術，僅根據其基因序列預測蛋白質的3D結構。

　　在獲悉這一劃時代的技術性突破后，動脈網試圖通過以下邏輯，還原DeepMind再次戰勝人類模型的“里程碑”事件，以及DeepMind在醫療領域所做的探索。

　　1. 蛋白質結構預測的劃時代意義

　　2. DeepMind憑借什么奪冠

　　3. AI算法將漫長費力的預測過程縮短至幾小時

　　4. DeepMind的AI落地將給醫學帶來多少顛覆

　　曾獲得諾貝爾獎的科學難題

　　蛋白質是維持生命所必需的大而復雜的分子。幾乎我們身體所執行的所有功能 ： 收縮肌肉、感知光線或將食物轉化為能量， 都可以追溯到一種或多種蛋白質以及它們如何移動和變化。這些蛋白質的配方， 稱為基因。

　　任何給定的蛋白質可以做什么取決于其獨特的3D結構。例如，構成我們免疫系統的抗體蛋白質是“Y形”的，并且類似于獨特的鉤子。通過鎖定病毒和細菌，抗體蛋白能夠檢測和標記引起疾病的微生物以進行消滅。

　　類似地，膠原蛋白的形狀像繩索，其在軟骨，韌帶，骨骼和皮膚之間傳遞張力。其他類型的蛋白質包括CRISPR和Cas9，它們像剪刀一樣起作用，切割和粘貼DNA;抗凍蛋白，其3D結構允許它們結合冰晶并防止生物凍結;核糖體就像一個程序化的裝配線，幫助自己構建蛋白質。

　　但是純粹從其基因序列中找出蛋白質的三維形狀是一項復雜的任務，科學家們已經發現了幾十年的挑戰。挑戰在于DNA僅包含有關蛋白質構建塊序列的信息，稱為氨基酸殘基，形成長鏈。預測這些鏈如何折疊成蛋白質的復雜3D結構就是所謂的“蛋白質折疊問題”。

　　預測蛋白質3D結構模型示意(圖片來源：DeepMind官網)

　　“蛋白質折疊”是一種令人難以置信的分子折疊形式，科學界以外很少有人討論，但卻是一個非常重要的問題。生物由蛋白質構成，生物體功能由蛋白質形狀決定。理解蛋白質的折疊方式可以幫助研究人員走進科學和醫學研究的新紀元。

　　因此，蛋白質折疊(Protein Folding)問題被列為“21世紀的生物物理學”的重要課題，它是分子生物學中心法則尚未解決的一個重大生物學問題。蛋白質可在短時間中從一級結構折疊至立體結構，研究者卻無法在短時間中從氨基酸序列計算出蛋白質結構，甚至無法得到準確的三維結構。

　　美國NIH的Christian Anfinsen博士因為發現蛋白質不需要其他幫助就可以自發地完成蛋白質折疊的過程，于1972年獲得了諾貝爾化學獎。

　　DeepMind的聯合創始人兼首席執行官Demis Hassabis說：“對DeepMind來說，這是一個非常關鍵的時刻，這是一個‘燈塔’項目，是我們在人員和資源方面的第一項重大投資，同時也是正在成為一個基本的、非常重要的、現實世界的科學問題?！?/p>

　　早在2017年，美國科羅拉多大學“JILA物理研究中心”的生物物理學家們通過更細致地測量了蛋白質折疊后發現，其折疊過程比科學家們曾經的預測更為復雜。這意味著，有關蛋白質，我們的了解程度尚在皮毛。

　　蛋白質分子的基本組成是氨基酸鏈。通過一系列中間過程，像折紙一樣，氨基酸鏈折疊成三維結構，之后才具有功能。準確地描述這個折疊過程，需要已知所有中間狀態的形態。最新研究就揭示這個過程中許多未知的狀態，這一研究成果公布在3月3日的Science雜志上。