人工智能成功预测蛋白质相互作用
美国科学家主导的国际科研团队在最新一期《科学》杂志撰文指出，他们利用人工智能和进化分析，绘制出了真核生物的蛋白质之间相互作用的3D模型，首次确定了100多个可能的蛋白质复合物，并为700多个蛋白质复合物提供了结构模型，深入研究蛋白质相互作用有望催生新的药物。
研究负责人之一、美国西南大学人类发育与发展中心助理教授丛前（音译）称，研究结果代表了结构生物学新时代的重大进步。
丛前解释说，蛋白质通常成对或成组工作，形成复合物，以完成生物体存活所需的任务。虽然科学家已经对其中一些相互作用开展了深入研究，但许多仍是未解之谜。了解蛋白质之间所有的相互作用将揭示生物学的许多基本方面，并为新药研发提供参考。
但半个世纪以来，鉴于许多蛋白质结构的不确定性，科学家们很难了解这些相互作用。2020年和2021年，深度思维公司和华盛顿大学戴维·贝克实验室独立发布了两种人工智能技术“阿尔法折叠”和RoseTTAFold，它们使用不同的策略预测蛋白质结构。
在最新研究中，丛前等人通过对许多酵母蛋白复合物建模，扩展了人工智能结构预测工具箱。为了找到可能相互作用的蛋白质，科学家们首先搜索相关真菌的基因组，寻找发生突变的基因，然后使用上述两种人工智能技术来确定这些蛋白质是否可以3D结构结合在一起。
他们确定了1505种可能的蛋白质复合物，其中699个结构已被表征，验证了其方法的实用性；另外700个复合物目前获得的数据有限，剩下106个从未被研究过。为更好地理解这些很少被描述或未知的复合物，团队研究了类似的蛋白质，并根据新发现的蛋白质与此前已知蛋白质的相互作用，确定了新发现蛋白质的作用。
人工智能里程碑突破：DeepMindI精准预测蛋白质结构
▲AlphaFold的神经网络模型构架（图片来源：DeepMindBlog）
惊人的准确性
AlphaFold的第一次运用了人工智能的方法，即深度学习来预测蛋白质中成对氨基酸之间的距离。但是试图在这种方法的基础上继续前进时，却碰壁了。因此，他们改变策略，开发了一个AI网络，该网络结合了决定蛋白质如何折叠的物理和几何约束信息，旨在用该网络来预测目标蛋白质序列的最终结构，而非氨基酸之间的关系。
CASP历时数月，预测了总共约100个蛋白质结构。其中，许多条目惊人的准确性使AlphaFold脱颖而出。AlphaFold将近三分之二的预测与实验结构相当。目前尚不清楚某些情况下AlphaFold的预测与实验结果之间的差异是预测误差还是实验的假象。在被认为中等难度的蛋白质靶标上，其他团队的最佳表现通常在100分的预测准确度上得分75，而在相同的靶标上AlphaFold得分大约90。
AlphaFold的预测与通过核磁共振成像技术确定的实验结构的匹配性较差，但是这可以归结为如何将原始数据转换成一个模型。该网络还为蛋白质复合物或组中的单个结构建模，从而与其他蛋白质的相互作用扭曲了它们的形状。
哥伦比亚大学的计算生物学家MohammedAlQuraishi是CASP的参与者，他渴望在比赛后深入研究AlphaFold的性能细节，进一步了解该系统的工作原理，他表示这有可能使蛋白质结构更容易解析，而AlphaFold在结构生物学领域可能是变革性的。
▲2006-2020年CASP比赛中最佳蛋白折叠预测系统的评分表现
（图片来源：DeepMindBlog）
更快的结构解析
AlphaFold系统已被用于解析过一种细菌蛋白结构。卢帕斯的实验室为解析该蛋白曾得到大量的蛋白晶体并且收集了很多套X单晶衍射数据用于结构解析，这些数据获取起来非常繁琐，而且成功率极低。但在使用该系统后，半小时就完成了卢帕斯团队十年的工作量。
图：DeepMind的首席执行官DemisHassabis
来源：DeepMind
现阶段AlphaFold系统可能需要几天的时间才能得出预测的结构，其中包括对蛋白质不同区域可靠性的评估。公司的联合创始人兼首席执行官DemisHassabis说，该公司才刚刚开始了解生物学家的需求。他们认为药物发现和蛋白质设计是潜在的市场，所以公司计划让AlphaFold系统有更高的实用性，以便其他科学家可以使用它。
今年年初，生物学家斯蒂芬·布罗恩已利用该系统预测了SARS-CoV-2的蛋白结构。后续的实验结果显示，AlphaFold预测的新冠病毒Orf3a蛋白结构与冷冻电镜解析的结构非常相似。这让斯蒂芬在内的科学家都为之一震。
▲AlphaFold根据氨基酸序列预测的蛋白结构与实验手段解析的结果几乎完全重合
（绿色，实验结果；蓝色，计算预测结果；
图片来源：DeepMindBlog）
对现实世界的影响
AlphaFold现阶段虽不太可能取代冷冻电镜等相关解析蛋白结构的实验手段，但它的出现意味着，生物学家们可以将计算方法预测蛋白结构作为科学研究的工具之一。另外，在现有的繁杂的基因组数据中，新一代分子生物学家如何针对数据转换为蛋白结构解析提供帮助，是AI技术在结构生物学发展中的难题。
AlphaFold的表现将是DeepMind公司发展的一个转折点。DemisHassabis表示像蛋白质结构预测这类科学难题也是其人工智能可以做出的最重要的应用之一。返回搜狐，查看更多
人工智能破解蛋白质结构可能引发医学革命
人工智能破解蛋白质结构可能引发医学革命保罗·林肯（PaulRincon）BBC新闻网科学事务编辑2021年7月31日图像来源，KarenArnott图像加注文字，到现在为止，我们只研究出人类基因组极少数蛋白质的构造
人工智能被用来预测人体产生的几乎每一种蛋白质的结构。这一重大科研发展能够加速推进研发治疗疾病的新药物，还能用在其他许多地方。蛋白质是所有生物有机体的组成部分，我们体内的每一个细胞都充满蛋白质。了解蛋白质的结构和形状对医药研究的进步至关重要，但是到现在为止，我们只研究出少数蛋白质的构造。研究人员用一个名为“AlphaFold”的人工智能软件来预测人体和其他有机体的35万种蛋白质的结构。人类蛋白质如何组成是由我们体内的基因组决定，也就是人类细胞核里面的遗传物质DNA，能够决定大约两万种蛋白质。“AlphaFold”的人工智能软件是谷歌旗下的DeepMind人工智能公司开发的，该公司共同创办人兼首席执行官哈萨比斯（DemisHassabis）表示，这是迄今为止人类蛋白质最完整、最准确的图像。人工智能破解生物学最大谜团之一的意义所在新冠疫情：人工智能算法能“听咳嗽声音辨识新冠病毒”“我们认为这代表了人工智能对科学知识进展所做的最大贡献。”他表示，这是人工智能有助于社会的最佳范例，未来还会有更多激励人心的发展。图像来源，GettyImages图像加注文字，这项研究可以用来开发能够消化塑料的酵素
蛋白质由氨基酸按一定顺序结合形成的多肽链组成，它们以无数方式折叠成各种独特的三维形状，蛋白质的三维形状决定其在人体内的功能。AlphaFold预测的35万种蛋白质结构包含了人体的两万个蛋白质组成，还有所谓的“模式生物”的蛋白质，而所谓的模式生物是在实验室中被用来进行科学研究的有机体，例如大肠杆菌、酵母、果蝇和白老鼠。DeepMind的研究人员和欧洲分子生物学实验室（EuropeanMolecularBiologyLaboratory）的团队在《自然》期刊上发表研究报告。试验结果显示，AlphaFold人工智能软件能够准确预测人类蛋白质的58%的氨基酸结构，另外有35.7%的蛋白质结构准确率更高，是实验室研究结果的两倍。传统上研究蛋白质结构的方法包括X射线晶体学，低温电子显微技术等，但是用传统方法进行研究非常困难，朴茨茅斯大学（UniversityofPortsmouth）的结构生物学家马克吉汉（JohnMcGeehan）教授表示，传统方法需要大量金钱和资源。因此，传统方法研究蛋白质结构通常是有目标的科学研究的其中一部分，在此之前从来没有任何研究项目能够系统性的研究出人体所有蛋白质的结构。事实上，在这之前，实验室中只研究了17%的蛋白质结构。“看图说话”人工智能成预测失智症能手人工智能AI可帮助人类发挥“群体智慧”马克吉汉教授表示，人工智能的速度非常快，从一开始研究一种蛋白质的结构需要6个月的时间，到现在只需要几分钟就好，这是传统方法做不到的。“我们一开始给DeepMind研究团队送过去7个序列，其中两个已经有实验室研究出结构，所以等他们将结果送回来的时候我们可以对照测试其准确性。”“我们看到AlphaFold预测出的结构，竟然和我们实验室得出的结构一模一样，坦白说实在令人震惊。”图像来源，GettyImages图像加注文字，这一重大科研发展能够加速推进研发治疗疾病的新药物
欧洲分子生物学实验室的赫德（EdithHeard）教授表示，蛋白质是有机体最基本的组成部分，人工智能研究出蛋白质结构，完全改变了我们如何理解生命的运作。这个发展结果未来的应用非常广泛，包括开发能够用于各种疾病的新的药物和治疗方法，设计或改造未来能够抵抗气候变化的农作物，创造能够消化塑料的酵素。马克吉汉教授的研究团队已经开始用AlphaFold的数据来开发能够更快消化塑料的酵素，他表示这个人工智能软件提供的蛋白质结构预测是实验室无法做到的，为他们的项目加速了好几年的时间。DeepMind已经和欧洲分子生物学实验室共同合作，将AlphaFold的编码和蛋白质结构预测开放给全球科研团体使用。DeepMind的哈萨比斯计划大幅扩展数据库资料，最终要包括科学界已知的超过一亿种蛋白质的结构。