0
AI在生物科學領域再次取得重大突破！
美國時間11月30日，谷歌母公司Alphabet旗下人工智能公司DeepMind公開宣布，生物學界50年來的重大難題——蛋白質折疊預測，已被其成功攻克。
而攻克這一難題的正是其2018年一經(jīng)推出便震驚科學界的AI系統(tǒng)——AlphaFold。
DeepMind在官方博客中稱：AlphaFold的最新版本，在通過氨基酸序列精確預測蛋白質折疊結構方面，已經(jīng)獲得權威蛋白質結構預測評估機構（Critical Assessment of protein Structure Prediction，CASP）的認可。
此消息一出，立刻登上了Nature雜志封面，標題直接評論為：“它將改變一切！”。
同一時間，谷歌CEO兼首席執(zhí)行官桑達爾·皮查伊 （Sundar Pichai）、斯坦福教授李飛飛、馬斯克等眾多科技大佬也在第一時間轉推祝賀！
那么這場驚動科技圈、生物學界和科學界的重大突破，到底是一項怎樣的研究？
首先要了解為什么要預測蛋白質折疊結構？
眾多周知，蛋白質對于生命至關重要。幾乎所有疾病，包括癌癥、癡呆癥都與蛋白質的功能有關。而蛋白質的功能由它的3D結構決定。
1972年諾貝爾化學獎得主克里斯蒂安·安芬森（Christian Anfinsen）曾提出，基于蛋白質的1D氨基酸序列可計算并預測蛋白質的3D結構。
但一個現(xiàn)實挑戰(zhàn)是，蛋白質的3D結構在形成之前會有數(shù)以億計的折疊方式。
美國分子生物學家Cyrus Levinthal指出，如果用蠻力來計算蛋白質所有可能的構型所需要的時間可能比宇宙的時間都要長，一個典型的蛋白質可能有10∧300種可能的構型。
因此，從1972年至今，如何準確預測蛋白質的折疊方式一直是生物學界的一項重大挑戰(zhàn)。
然而，困擾生物學界50年的重大挑戰(zhàn)昨日被DeepMind的成功攻克。該公司的最新AlphaFold系統(tǒng)，在第14次CASP評估中的總體中位數(shù)得分達到了92.4GDT。
這意味著AlphaFold預測的平均誤差（RMSD）僅為1.6 埃（1埃等于0.1nm），相當于一個原子的寬度。
更重要的是，即使對于最具挑戰(zhàn)性的蛋白質——自由建模類蛋白質 ，AlphaFold的中值得分也達到87.0 GDT
CASP中自由建模類預測精度值不斷提高（GDT）
自由建模類蛋白質靶標的兩個示例
對此，CASP主席John Moult教授在新聞發(fā)布會上說，
DeepMind的AlphaFold系統(tǒng)在蛋白質結構預測中達到了無與倫比的準確性。50年來，計算機科學領域的巨大挑戰(zhàn)已得到很大程度的解決。
需要說明的是，CASP是評估蛋白質結構預測技術全球范圍內(nèi)最權威的機構。它由John Moult和Krzysztof Fidelis兩位教授創(chuàng)立于1994年，每兩年進行一次盲審。其中，GDT(Global Distance Test ) 是CASP 用來測量預測準確性的主要指標，其范圍是從0-100。
簡單地說，GDT 可以大致地被認為是氨基酸殘基在閾值距離內(nèi)與正確位置的百分比，90分左右的 GDT 可以被認為是與實驗方法得到的結果相競爭的。
對此，CALICO創(chuàng)始人兼首席執(zhí)行官亞瑟·D·萊文森高度評價稱：
AlphaFold是上一代產(chǎn)品中的佼佼者，它以驚人的速度和精度預測蛋白質結構。這一飛躍證明了計算方法將轉變生物學研究，并為加速藥物發(fā)現(xiàn)過程具有廣闊的前景。
折疊的蛋白質可以看作是一個“空間圖形”，其中殘基是節(jié)點和邊緊密連接在一起。
該圖代表了AlphaFold系統(tǒng)的神經(jīng)網(wǎng)絡模型體系結構。該模型對蛋白質序列和氨基酸殘基進行操作——在兩種表示之間傳遞迭代信息以生成結構。
這一過程對于理解蛋白質內(nèi)部的物理相互作用以及它們的進化史很重要。
對于AlphaFold的最新版本，研究人員創(chuàng)建了一個基于注意力機制的神經(jīng)網(wǎng)絡系統(tǒng)，經(jīng)過端到端的訓練來試圖解釋這個圖的結構，同時對它所構建的隱式圖進行推理。它通過使用多重序列對齊 (MSA) 和氨基酸殘基對的表示來精化這個圖形結構。
通過迭代這個過程，系統(tǒng)可以對蛋白質的基本物理結構做出準確的預測，并能夠在幾天的時間內(nèi)確定高度精確的結構。此外，AlphaFold 還可以使用內(nèi)部置信度來預測每個預測的蛋白質結構的哪些部分是可靠的。
AlphaFold系統(tǒng)所使用的數(shù)據(jù)，來自包括約170,000個蛋白質結構，以及未知結構的蛋白質序列的大型數(shù)據(jù)庫。在訓練時，它使用了大約128個 TPU v3內(nèi)核 (大致相當于100-200個GPU) ，并僅運行了數(shù)周。這在當今機器學習中使用的大多數(shù)最先進的大型模型的上下文中是相對較小的計算量。
DeepMind聯(lián)合創(chuàng)始人兼首席，執(zhí)行官Demis Hassabis表示：“ DeepMind的最終愿景一直是構建通用AI，以此加快科學發(fā)現(xiàn)的步伐，幫助我們更好地了解周圍的世界”。
此次，AlphaFold系統(tǒng)攻克50年來的重大難題，意味著DeepMind又朝這一愿景邁出了堅實的一步。
2018年，AlphaFold首次推出便一鳴驚人。在當時參加的“蛋白質結構預測奧運會”CASP比賽中，AlphaFold在所有參賽者中達到了最高的精確度，而且是第二名的8倍之多。
經(jīng)過兩年的努力，DeepMind基于新的深度學習結構體系更新了AlphaFold，再次刷新了自己的記錄——從不足60GDT一躍上升為92.4GDT。
而與其他同類AI相比，AlphaFold的準確率也同樣遙遙領先。
DeepMind開發(fā)團隊表示，AlphaFold之能夠達到前所未有的精確度，其研究方法是受到了來自生物學、物理學和機器學習領域的啟發(fā)，另外過去半個多世紀有關蛋白質折疊的研究成果野發(fā)揮了重要作用。
作為科學界的AI工具，AlphaFold的應用場景和價值已經(jīng)得以顯現(xiàn)。
在今年疫情不斷蔓延下，DeepMind研究人員利用AlphaFold預測了冠狀病毒SARS-CoV-2的幾種蛋白質結構，包括ORF3a、ORF8等。
盡管這點蛋白結構具有挑戰(zhàn)性且相關序列很少，但與實驗確定的結構相比，AlphaFold在兩個預測中均獲得了很高的準確性。
除了加深對已知疾病的了解之外，AlphaFold的應用潛力還將擴展到未知的生物學領域。
由于DNA指定了構成蛋白質結構的氨基酸序列，研究人員從自然界大規(guī)模讀取蛋白質序列，可能要在數(shù)以億計的通用蛋白質數(shù)據(jù)庫（UniProt）中進行計數(shù)。更重要的是，該蛋白質數(shù)據(jù)庫可能只有約170000存在3D結構。
而AlphaFold這樣的AI技術可以幫助研究人員發(fā)現(xiàn)尚未確定的蛋白質。
引用鏈接：
https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology
https://www.cnbc.com/2020/11/30/deepmind-solves-protein-folding-grand-challenge-with-alphafold-ai.html
https://www.nature.com/articles/d41586-020-03348-4
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
