DeepMind AI 預測展現驚人準確度,蛋白質摺疊難題有解?

作者 | 發布日期 2020 年 12 月 02 日 22:02 | 分類 AI 人工智慧 , 醫療科技 Telegram share ! follow us in feedly


人工智慧為許多產業帶來長遠影響,繼 AlphaGo 主宰圍棋領域之後,DeepMind AI 在醫療保健上也有了重大突破,新系統展現出預測蛋白質三維結構的能力,不僅有望克服困擾生物學家半世紀的問題,也可能改變未來生物學領域的遊戲規則。

蛋白質是由一條氨基酸鏈自我摺疊成特定三維結構,通過掌握不同蛋白質的形狀,科學家可以更深入理解它們的作用及引起疾病的方式,這也是為什麼了解初始氨基酸序列並預測最終結構的能力相當重要。

然而因為氨基酸鏈摺疊的可能性太多,儘管近年已出現許多新工具讓研究人員能以驚人新細節研究這些結構,但一切仍取決於試誤法(trial and error),必須不斷反覆嘗試才能得出正確結果。

科學家曾估計若以人力運算,確定所有三維結構所需的時間將比宇宙已知存在的時間長,這也是為什麼自 1970 年代初以來,研究人員一直在尋找蛋白質摺疊問題的解決方案。

這項難題被稱為「蛋白質摺疊」(Protein folding),過去 50 年以來一直困擾著生物學家,但 DeepMind 認為它們專門為此項挑戰開發的 AlphaFold 將成為最終答案。

據了解,AlphaFold 最早在 2018 年於 CASP13(蛋白質結構預測關鍵評估實驗)亮相,當時就已達到有史以來最高精準度,但在近日舉辦的 CASP14 中,AlphaFold 更有了突破性的進展。

(Source:Deepmind

在接受有關 17 萬種蛋白質結構及 CASP14 上首次亮相的大型未知蛋白質結構數據庫培訓後,AlphaFold 在全局距離測試(GDT)測試中獲得 92.4 的高分;與之前相比,兩年前 AlphaFold 的精準度約為 60,而其他方法的準確度從未達到 50。

德國普朗克研究所所長 Andrei Lupas 認為,AlphaFold 驚人的精確度將幫助研究者解決困擾近十年的蛋白質結構問題,讓研究人員能重新啟動擱置的計畫,了解信號如何在細胞膜之間傳輸。

除了可以幫助科學家開發酶來降解塑膠垃圾、預測新病毒的蛋白質結構,AlphaFold 還可以協助辨識有問題的蛋白質及導致某些疾病的原因,為藥物開發開闢了全新的途徑,也能幫助我們解開目前尚不了解結構的數億種蛋白質。

諾貝爾獎得主、皇家學會會長 Venki Ramakrishnan 解釋,這項結果代表蛋白質摺疊問題的驚人進展,而這是已經困擾生物學 50 年的巨大挑戰,可以說 AlphaFold 的出現或將從根本上改變生物學研究的多種方式,這項進展相當令人興奮。

DeepMind 目前正在準備一篇論文,將提交給同行評審期刊。

(首圖來源:shutterstock)