人工智能预测蛋白质结构

编译 刘迪一

过去几年，英国朴次茅斯大学酶创新中心主任、生物学家约翰•麦吉汉（John McGeehan）一直在寻找一种能够分解散落于全球各地的总计1.5亿吨汽水瓶以及其他塑料垃圾的分子。通过与大西洋两岸的研究人员合作，麦吉汉找到了一些不错的对象，但他需要搞定难度极大的任务：确定那些能扭曲折叠自身形状、完美进入塑料分子间，然后将它们分开的化合物。

目前，精准分析某种酶的化学成分是相当简单的，但判断其三维形状可能需要长达数年的实验分析。因此，当麦吉汉博士于2020年秋天了解到伦敦一家名为DeepMind的AI实验室已经创建了一个可以自动预测酶及其他蛋白质形状的系统后，他询问该实验室能否给他的项目提供帮助。

麦吉汉在临近周末时向DeepMind发送了一份包含7种酶的清单。短短几天后，实验室就返回了全部蛋白质的结构。用麦吉汉博士的话说：“这让我们的工作进度提前了一两年。”（麦吉汉后来得知AlphaFold实际上只用了几个小时便完成了任务。）

眼下，许多生物化学家都在以和麦吉汉差不多的方式加快自己工作。科罗拉多大学生物化学系教授马塞洛•苏萨（Marcelo C. Sousa）此前曾在自己的工作中使用过AlphaFold的数据，在他看来，新数据库绝对会让使用者体会到立竿见影的科研助力。“我们自己有一套关于某种蛋白质的数据集，而且这个蛋白质已经被我们研究了10年，但已有的内容达不到开发合适模型的程度。DeepMind同意为我们预测这个蛋白质的结构，然后用15分钟的时间解决了我们花费10年还没搞定的问题。……