投稿|AlphaFold攻破生物学50年难题，碳基创新开启加速度投稿|人工智能|生物

文章图片

图片来源@视觉中国

采访｜泓君，文字｜王晶，编辑｜泓君

7月22日，Deepmind在《自然》杂志发表文章称，AlphaFold已经预测出了35万种蛋白质结构，涵盖了98.5%的人类蛋白质组以及20种生物的蛋白质，并开源了它的数据库。
前基因泰克CEO Arthur D. Levinson称这一成就为“划时代的进步” 。西湖大学校长施一公评论称，这是人工智能对科学领域最大的一次贡献。
蛋白质由20种氨基酸形成的序列组成，而氨基酸序列的折叠方式决定了蛋白质的作用，这也意味着，预测蛋白质结构对生物研究而言至关重要。但蛋白质可以折叠形成无数形态，以人类目前的计算资源几乎不可能完成结构序列计算。生物学家们会采用冷冻电镜等高精度仪器确定结构，但高级仪器和重复人工实验耗费的成本和时间精力都极大。
1972年，生物化学家克里斯蒂安·安芬森在发表诺贝尔获奖感言时，提出一个著名的假设：理论上，蛋白质的氨基酸序列应该完全决定其三维结构。科学界为了验证这一理论做出了各种探索，CASP蛋白质结构预测比赛即为了检验预测蛋白质结构的技术水平而设立。AlphaFold在2018年的CASP横空出世，但在当时的预测准确性也不到60分，去年11月份则突破性地提高到92.4分。
作为人工智能深入到生物领域的一大突破，AlphaFold很大程度上提高了科研人员的工作效率，加速生物领域创新成果的进展。斯坦福大学生物学博士后史寒朵就提到，如果AlphaFold早两三年出来，她的研究可以加快一年的时间。
AlphaFold未来还需要解决的是未能预测的蛋白质，以及更复杂的小分子对蛋白质结构的影响等问题，这对于药物研究和人类疾病治疗都将起到重要作用。史寒朵猜测，AlphaFold的第二步可能会解决小分子如何改变蛋白质结构，从而影响它的功能，这将会离应用更近一步。
本期我们邀请到斯坦福大学生物学博士后史寒朵来全面解析AlphaFold的真实价值在哪里？AlphaFold如果要用于疾病治疗与制药，还需要哪些进展？我们将尽可能通俗地解读AlphaFold的真实意义。
以下是以下是播客《硅谷101》与斯坦福大学生物学博士后史寒朵的对话：
01 如果AlphaFold提前出来，研究项目可以早一年做完《硅谷101》：近几年生物学界出现了很多如基因编辑技术这类令人振奋的进展，我们这期要谈论的是AlphaFold，属于生物和计算机的交叉领域。AlphaFold预测出35万种蛋白质结构，并且开源了深度学习神经网络的AlphaFold2的信息出来后，很多评论者说“这是人工智能对科学领域最大的一次贡献”，是“一个划时代的进步” 。对你来说，AlphaFold的预测和数据库开源对你研究的影响是什么？

文章图片

图｜论文《使用阿尔法折叠进行高度准确的蛋白质结构预测》（来源：DeepMind）
史寒朵：我是生物和物理的交叉背景，现在的研究方向主要是用物理知识、用定量的方式研究生物学。我现在选择的研究体系是细菌菌群，简单来说，在较复杂的环境里，细菌群体由很多种不同个体组成，可以联想生态学中，有羊和狼，也有其他物种组成的比较复杂的生态链。我现在主要是研究在由细菌组成的生态系统中，不同细菌之间如何互相影响，最终达到平衡的状态。