人工智能(AI)解決了生物學(xué)的一項重大挑戰(zhàn)：預(yù)測蛋白質(zhì)如何從氨基酸的線性鏈卷曲成3D形狀，從而使它們能夠執(zhí)行生活任務(wù)。今天，兩年一次的蛋白質(zhì)折疊競賽的主要結(jié)構(gòu)生物學(xué)家和組織者宣布了英國AI公司DeepMind的研究人員所取得的成就。他們說，DeepMind方法將產(chǎn)生深遠的影響，其中包括極大地加快新藥的開發(fā)速度。

歐洲生物信息學(xué)研究所名譽主任珍妮特·桑頓說：“ DeepMind團隊所取得的成就非常了不起，它將改變結(jié)構(gòu)生物學(xué)和蛋白質(zhì)研究的未來。” “這是一個已有50年歷史的問題，”馬里蘭大學(xué)Shady Grove的結(jié)構(gòu)生物學(xué)家，該競賽的共同創(chuàng)始人，蛋白質(zhì)結(jié)構(gòu)預(yù)測的關(guān)鍵評估(CASP)的約翰·莫爾特(John Moult)補充道。“我從沒想過我會一輩子看到這個。”

人體使用成千上萬種不同的蛋白質(zhì)，每種蛋白質(zhì)包含數(shù)十至數(shù)百個氨基酸。這些氨基酸的順序決定了它們之間無數(shù)的推拉作用如何產(chǎn)生蛋白質(zhì)的復(fù)雜3D形狀，進而決定了它們的功能。了解這些形狀有助于研究人員設(shè)計出可以滯留在蛋白質(zhì)口袋和縫隙中的藥物。能夠合成具有所需結(jié)構(gòu)的蛋白質(zhì)可以加快酶的發(fā)展，這些酶可以制造生物燃料并降解廢塑料。

數(shù)十年來，研究人員使用諸如X射線晶體學(xué)或低溫電子顯微鏡(cryo-EMscopy，cryo-EMscopy)等實驗技術(shù)來解密蛋白質(zhì)的3D結(jié)構(gòu)。但是，這種方法可能要花費數(shù)月或數(shù)年，并且并不總是有效。在生命形式中發(fā)現(xiàn)的超過2億種蛋白質(zhì)中，只有約170,000種的結(jié)構(gòu)已被解析。

在1960年代，研究人員意識到，如果他們能夠計算出蛋白質(zhì)序列內(nèi)的所有個體相互作用，就可以預(yù)測其3D形狀。每個蛋白質(zhì)具有數(shù)百個氨基酸，并且每對氨基酸可以通過多種方式相互作用，但是，每個序列可能的結(jié)構(gòu)數(shù)目是天文數(shù)字。計算科學(xué)家跳上了這個問題，但進展緩慢。

1994年，Moult及其同事發(fā)起了CASP，每兩年召開一次。進入者獲得約100種蛋白質(zhì)的氨基酸序列，其結(jié)構(gòu)未知。一些小組計算每個序列的結(jié)構(gòu)，而另一些小組則通過實驗確定它。然后，組織者將計算預(yù)測結(jié)果與實驗室結(jié)果進行比較，并為預(yù)測結(jié)果提供全球距離測試(GDT)分數(shù)。穆爾特說，零分到100分的90分以上得分與實驗方法相當。

即使在1994年，小而簡單的蛋白質(zhì)的預(yù)測結(jié)構(gòu)也可以與實驗結(jié)果相匹配。但是對于較大的，具有挑戰(zhàn)性的蛋白質(zhì)，計算的GDT得分約為20，“完全是一場災(zāi)難”，馬克斯·普朗克發(fā)育生物學(xué)研究所的CASP法官和進化生物學(xué)家安德烈·盧帕斯說。到2016年，競爭小組的最堅硬蛋白質(zhì)得分已達到約40，主要是通過從與CASP目標密切相關(guān)的已知蛋白質(zhì)結(jié)構(gòu)中得出的見解。