“Alpha折叠”准确预测蛋白质的三维结构

人工智能再次繁荣并克服了生物学中的一个主要问题：预测蛋白质如何从线性氨基酸链卷曲成3D形状来执行任务。据美国杂志《科学》网站11月30日报道，好消息来自“蛋白质结构预测关键评估”(CASP)大赛：英国“DeepMind”声称其AI取得了上述成果，他们的方法将大大加快新药研发进程。

人体内有成千上万种不同的蛋白质，每种蛋白质都含有几十到几百个氨基酸。这些氨基酸的序列决定了它们的相互作用，赋予蛋白质复杂的三维形状，进而决定了蛋白质的功能。了解这些三维形状将有助于研究人员设计出能够留在蛋白质间隙中的药物。此外，合成具有所需结构的蛋白质也可以加速酶的发展，并有利于生物燃料领域。

几十年来，研究人员一直使用X射线结晶学或冷冻电磁(cryo-EM)来破译蛋白质的三维结构，但这种方法可能需要数月甚至数年的时间，也不一定有效。目前，在活体中发现的2亿多种蛋白质中，只有17万种被破坏。

1994年，为了更好地预测和破译蛋白质的三维结构，马里兰大学的结构生物学家约翰摩尔等人发起了CASP竞赛，每两年举行一次。在今年的比赛中，“深度学习”团队的“AlphaFold”法中值得分为92.4分(满分100分，90分以上被认为与实验方法相当)，预测最具挑战性的蛋白质平均得分为87分，比次优预测高出25分。它甚至擅长预测嵌入细胞膜的蛋白质结构。——细胞膜是人类许多疾病的核心，但用X射线结晶学很难研究。

欧洲生物信息学研究所名誉主任珍妮特桑顿(Janet Thornton)表示：“‘深度学习’团队的成就令人惊叹，并将改变结构生物学和蛋白质研究的未来。”

Murt说这是一个50年的问题。“阿尔法折叠”改变了游戏规则，实验者将能够使用精确的结构预测来理解不透明的X射线和低温电磁数据；药物设计人员还可以快速了解冠状病毒等新兴危险病原体中每种蛋白质的结构，从而更快地开发相关药物。