DeepMind精准预测蛋白质结构，AI解决50年生物学难

作者：王韵壹、李英、熊慧卿

　　大数据文摘出品

　　生物学家花了50年都解不出的难题，突然就被AI解决了？

　　美国时间11月30日，DeepMind宣布推出AlphaFold，这是一种能够基于蛋白质的基因序列，利用AI预测蛋白质3D结构的系统。

　　在国际蛋白质结构预测竞赛（CASP）上，AlphaFold系统在第14次CASP评估中的总体中位数得分达到92.4GDT，击败了其余的参会选手。GDT(Global Distance Test ) 是CASP用来测量预测准确性的主要指标，范围是从0-100。

　　DeepMind表示，他们已经解决了关键的“蛋白质折叠问题”，并且将解决问题的运算时间从数月缩短至了数小时，这将大大加速药物发现速度，有可能破解一个类似于绘制人类基因组的问题。

　　DeepMind首席执行官Demis Hassabis在电话采访中表示：“这些算法现在已经足够强大，强大到可以应用于解决科学问题。经过4年的发展，我们有了一个足够精确的系统，对生物学研究人员来说具有实际的生物学意义和相关性。”

DeepMind精准预测蛋白质结构，AI解决50年生物学难

　　Hassabis还透露道，DeepMind目前正在研究以“可扩展方式”为科学家提供访问AlphaFold系统的途径。

　　DeepMind的这一成就不仅引来不少业界人士的点赞，Nature还发文称，“这将改变一切”。

　　此前，DeepMind在国际象棋、围棋、游戏星际争霸II和老式的Atari经典游戏中，都战胜了人类玩家，这次，他们更是直接向学术圈发起了挑战。

　　论预测蛋白质结构的不可能

　　我们都知道，在每个活细胞内部有着成千上万种不同的蛋白质，蛋白质的不同折叠程度决定了它的独特功能。因此，如果我们能够预测蛋白质的结构变化，这对于人类攻克癌症等疑难杂症有着划时代的意义。

　　但是，要准确预测蛋白质的折叠，在过去50年间一直困扰着生物学家。

　　这就要从蛋白质的生成说起了。以DNA生物为例，DNA由4种碱基组成，这4种碱基能够通过转录和翻译生成64种密码子，这64种密码子又对应着20多种氨基酸，氨基酸之间的排列组合，构成了数万至数亿种不同的蛋白质。但是，决定蛋白质不同功能的，除了氨基酸的种类数量外，氨基酸的3D结构起着更为重要的作用。

　　从理论上来说，如果我们知道了DNA序列，就能够绘制出氨基酸序列和蛋白质结构，但如果想要实现这种预测，中间涉及的计算难度难以想象。

　　早在1969年，Cyrus Levinthal就指出，如果我们使用蛮力计算的方式，枚举每一种蛋白质可能存在的结构，那么我们要花费的时间甚至比宇宙的年龄还要长。Levinthal估计，一种蛋白质大约存在10*300种结构，但在自然界中，蛋白质会自发折叠，有些只需几毫秒。

　　AlphaFold如何将不可能变为可能

　　2018年，DeepMind团队就已经用初始版AlphaFold参加了CASP13比赛，当时他们也取得了最高的准确率，随后，DeepMind还把CASP13方法和相关代码发表在了Nature上。

　　如今，DeepMind团队利用新的深度学习架构继续参赛CASP14，也刷新了自己的记录，准确率达到了92.4GDT。

　　DeepMind团队使用的数据也都是公开数据，包括蛋白质结构数据库（PDB）和包含未知结构蛋白质序列的大型数据库，共约170,000个蛋白质结构。运行周期持续了数周，主要使用了约128个TPUv3内核运行。

　　正如上文所说，如果我们把蛋白质的3D结构视为一张空间图，用节点表示残基，边将残基紧密连接起来，要理解这种结构，DeepMind团队创建了一个基于注意力的神经网络系统，用端到端的方式进行训练，并且基于构建的隐式图执行推理。