原文作者：Ewen Callaway

DeepMind 的 AI 工具 AlphaFold 確定了約 2 億個蛋白質(zhì)的結(jié)構(gòu)，范圍覆蓋地球上幾乎所有已知生物。

從現(xiàn)在起，確定幾乎所有已知蛋白質(zhì)的 3D 結(jié)構(gòu)就和用谷歌（Google）搜索一樣簡單了。

研究人員用 AlphaFold ——革命性的人工智能（AI）網(wǎng)絡(luò)——預(yù)測了 100 萬個物種體內(nèi)約 2 億個蛋白質(zhì)的結(jié)構(gòu)，范圍幾乎囊括地球上所有已知蛋白質(zhì)。

這些轉(zhuǎn)儲數(shù)據(jù)將在 DeepMind 和歐洲分子生物學(xué)實驗室歐洲生物信息研究所（EMBL-EBI）共同建立的一個數(shù)據(jù)庫中免費(fèi)公開。負(fù)責(zé)開發(fā) AlphaFold 的 DeepMind 是谷歌位于倫敦的一家 AI 公司；而 EMBL-EBI 是位于英國劍橋近郊的一個政府間組織。

"本質(zhì)上，你可以理解為它覆蓋了整個蛋白質(zhì)宇宙，"DeepMind 的 CEO Demis Hassabis 在新聞發(fā)布會上說，"我們正處在數(shù)字生物學(xué)新時代的開端。"

圖中為 AlphaFold 預(yù)測的蛋黃前體——卵黃蛋白原蛋白的結(jié)構(gòu)。來源：DeepMind

蛋白質(zhì)的 3D 構(gòu)象或稱結(jié)構(gòu)決定了它在細(xì)胞中的功能。大部分藥物的設(shè)計都需要用到結(jié)構(gòu)信息，而構(gòu)建蛋白質(zhì)氨基酸的準(zhǔn)確排列圖譜往往是發(fā)現(xiàn)蛋白質(zhì)如何工作的第一步。

DeepMind 利用名為深度學(xué)習(xí)的 AI 技術(shù)開發(fā)了 AlphaFold 網(wǎng)絡(luò)，一年前上線的 AlphaFold 數(shù)據(jù)庫共有 35 萬個預(yù)測結(jié)構(gòu)，覆蓋了來自人、小鼠和 19 種其他被大量研究生物的幾乎全部蛋白質(zhì)。在那之后，這個數(shù)據(jù)庫擴(kuò)大到了約 100 萬個結(jié)構(gòu)。

倫敦大學(xué)學(xué)院計算生物學(xué)家 Christine Orengo 說：" 我們都在等待這個寶貴資源的公開。"Orengo 利用 AlphaFold 數(shù)據(jù)庫尋找新的蛋白家族。" 把所有數(shù)據(jù)都替我們預(yù)測好簡直不能再棒了。"

高質(zhì)量結(jié)構(gòu)

就在去年 AlphaFold 的公開在生命科學(xué)領(lǐng)域引發(fā)轟動后，領(lǐng)域內(nèi)的研究人員紛紛開始利用這一工具。AlphaFold 能對蛋白質(zhì)的 3D 結(jié)構(gòu)進(jìn)行非常準(zhǔn)確的預(yù)測。它還能對它的預(yù)測結(jié)果進(jìn)行評估，讓研究人員知道哪些信息是可靠的。傳統(tǒng)上，科研人員一直在用 X 射線晶體學(xué)和冷凍電鏡這種耗時且成本高昂的實驗技術(shù)解析蛋白質(zhì)的結(jié)構(gòu)。

EMBL-EBI 表示，在這些逾 2.14 億個結(jié)構(gòu)預(yù)測中，約 35% 的預(yù)測結(jié)果被認(rèn)為準(zhǔn)確度很高，即和實驗解析的結(jié)構(gòu)一樣可靠。另有 45% 的預(yù)測被認(rèn)為置信度足夠高，在很多情況下都能使用。

AlphaFold 預(yù)測的許多結(jié)構(gòu)都很可靠，能在很多情況下替代實驗解析的結(jié)構(gòu)。其他情況下，研究人員會用 AlphaFold 的預(yù)測結(jié)果驗證和解讀實驗數(shù)據(jù)。不可靠的預(yù)測結(jié)果一望即知，其中一些源于蛋白質(zhì)固有的無序性質(zhì)，這種無序意味著蛋白質(zhì)本身沒有固定的形狀，至少在沒有其他分子的情況下是無序的。

幾天前發(fā)布的這 2 億個預(yù)測結(jié)構(gòu)基于 UNIPROT 數(shù)據(jù)庫中的序列。科學(xué)家可能對這些蛋白質(zhì)中的一些形狀已經(jīng)有概念了，它們不是在實驗解析結(jié)構(gòu)的數(shù)據(jù)庫中，就是與這類數(shù)據(jù)庫中的其他蛋白類似，巴塞羅那 Josep Carreras 白血病研究所的計算生物學(xué)家 Eduard Porta Pardo 說。

DeepMind 的 CEO Demis Hassabis 說 AlphaFold 的新數(shù)據(jù)覆蓋了 " 整個蛋白質(zhì)宇宙 "。來源：Jung Yeon-Je/AFP/Getty

但 Porta 表示，這些結(jié)構(gòu)一般集中在人、小鼠，和其他哺乳動物的蛋白質(zhì)上，而 AlphaFold 的數(shù)據(jù)覆蓋了更多不同的生物體，所以將極大地增進(jìn)我們的認(rèn)知。Porta 說：" 這個資源太無敵了。我會在公布的第一時間下載它。"

由于 AlphaFold 公開已有一年，所以研究人員已經(jīng)能夠預(yù)測他們想要的任何蛋白質(zhì)的結(jié)構(gòu)。但很多人也表示，把預(yù)測的結(jié)構(gòu)集中到一個數(shù)據(jù)庫可以節(jié)省研究人員不少時間、金錢和麻煩。" 這是可以去除的另一個準(zhǔn)入門檻，"Porta 說，" 我用過很多 AlphaFold 模型，但我從來沒有自己運(yùn)行過 AlphaFold。"

EMBL 在德國漢堡的結(jié)構(gòu)建模師 Jan Kosinski 過去一年一直在運(yùn)行 AlphaFold，他已經(jīng)等不及看到這次的擴(kuò)展了。他的團(tuán)隊用三周時間預(yù)測了一個病原體的蛋白質(zhì)組——蛋白質(zhì)組是指某個生物體的全部蛋白質(zhì)集合。他在發(fā)布會上說：" 現(xiàn)在我們只要把所有模型都下載下來就可以了。"

23TB

把近乎所有已知蛋白都收入數(shù)據(jù)庫也能推動新的研究。Orengo 的團(tuán)隊之前就在用 AlphaFold 的數(shù)據(jù)庫尋找新的蛋白質(zhì)家族，他們現(xiàn)在將把這個研究放到更大的尺度上。她的團(tuán)隊還將利用這個擴(kuò)展后的數(shù)據(jù)庫理解具有有益性質(zhì)的蛋白質(zhì)的演化，比如消化塑料的能力，或是具有能誘導(dǎo)癌癥一類的有害的性質(zhì)。在數(shù)據(jù)庫中找出這些蛋白質(zhì)的遠(yuǎn)親可以了解這些性質(zhì)的源頭。

首爾大學(xué)計算生物學(xué)家 Martin Steinegger 協(xié)助開發(fā)了 AlphaFold 基于云的版本，他對數(shù)據(jù)庫的擴(kuò)大感到十分激動。但他說，研究人員可能仍然需要自己跑 AlphaFold。越來越多的人將 AlphaFold 用來確定蛋白質(zhì)的相互作用，而數(shù)據(jù)庫中并不包含這類預(yù)測信息。對從土壤、海洋和其他 " 宏基因組 " 來源的遺傳物質(zhì)進(jìn)行測序從而確定的微生物蛋白也不包含在該數(shù)據(jù)庫中。

Steinegger 說，對擴(kuò)展后的 AlphaFold 數(shù)據(jù)庫的一些更高級的運(yùn)用可能也需要下載它全部 23TB 的內(nèi)容，而這對許多團(tuán)隊來說是不切實際的。基于云的儲存也很燒錢。Steinegger 與人共同開發(fā)了一個軟件工具，名為 FoldSeek，可以快速找到結(jié)構(gòu)相似的蛋白質(zhì)，這應(yīng)該能大大減少 AlphaFold 的數(shù)據(jù)量。

即使 AlphaFold 數(shù)據(jù)庫已經(jīng)包含了幾乎全部的已知蛋白，但它仍需要根據(jù)新發(fā)現(xiàn)的生物體進(jìn)行更新。AlphaFold 的預(yù)測準(zhǔn)確度也會在獲得新的結(jié)構(gòu)信息后進(jìn)一步提升。Hassabis 說，DeepMind 承諾會長期維護(hù)該數(shù)據(jù)庫，他說他每年都能看到更新。

他希望 AlphaFold 數(shù)據(jù)庫能給生命科學(xué)帶來持久的影響。"這將需要我們徹底轉(zhuǎn)變思考方式。"