該公司今天宣布，Alphabet 的 DeepMind 已使用其人工智能系統(tǒng)解開了一個長達 50 年的生物學謎團，該公司使用 AlphaFold 幫助理解蛋白質(zhì)行為。該公司因其神經(jīng)網(wǎng)絡的發(fā)展而臭名昭著，這證明了他們在下棋、圍棋和將棋方面的人類最佳能力。

谷歌在 2014年收購了 DeepMind——一路上不乏爭議——它在 2015 年成為 Alphabet 的子公司。 AlphaGo，它的圍棋 AI，在第二年擊敗了人類世界冠軍選手，而 AlphaZero 繼續(xù)展示了強化學習如何可用于通過與自身對戰(zhàn)來有效地訓練 AI。

不過，AlphaFold 解決了一個非常不同的挑戰(zhàn)。“蛋白質(zhì)折疊問題”是試圖了解蛋白質(zhì)中的氨基酸序列如何塑造其 3D 原子結(jié)構(gòu)的簡寫。該形式由考慮熱力學和原子間力的底層折疊代碼主導;試圖從氨基酸序列了解蛋白質(zhì)天然結(jié)構(gòu)的蛋白質(zhì)結(jié)構(gòu)預測;以及折疊本身如何發(fā)生的動力學。

雖然聽起來很深奧，但了解氨基酸的運作方式被認為是解決生物學中許多挑戰(zhàn)的關鍵。這包括從解決人類疾病到更廣泛的應用，例如分解塑料或其他廢物的酶。

目標是想出一種計算方法來預測折疊，而不是實驗方法，它可以更快、更有效。“然而，一個主要的挑戰(zhàn)是，蛋白質(zhì)在形成最終 3D 結(jié)構(gòu)之前理論上可以折疊的方式數(shù)量是天文數(shù)字，” DeepMind指出。

1994 年，CASP 發(fā)起了一項挑戰(zhàn)，在尋找計算解決方案的過程中，將預測方法相互競爭。其成功的衡量標準是所謂的全局距離測試，或 GDT，它基于在其正確位置的閾值距離內(nèi)預測的氨基酸殘基的百分比。它的評分范圍為 0-100，非官方基準是超過 90 GDT 的任何東西，與實驗結(jié)果相當。

今天，DeepMind 說，它在第十四次挑戰(zhàn)——CASP14——中的嘗試獲得了 92.4 GDT。“這意味著我們的預測的平均誤差 (RMSD) 約為 1.6 埃，”該公司表示，“這與原子的寬度(或 0.1 納米)相當。”

與 DeepMind 2018 年的條目(最后一個運行的 CASP)相比，這是一個重大飛躍，上一代 AlphaFold 未能達到 60 GDT。

“對于在 CASP14 上使用的最新版本的 AlphaFold，我們創(chuàng)建了一個基于注意力的神經(jīng)網(wǎng)絡系統(tǒng)，經(jīng)過端到端訓練，它試圖解釋這個圖的結(jié)構(gòu)，同時對它正在構(gòu)建的隱式圖進行推理，” DeepMind 解釋道。“它使用進化上相關的序列、多序列比對 (MSA) 和氨基酸殘基對的表示來完善該圖。”

DeepMind 使用谷歌最新一代的TPU 神經(jīng)處理核心——大約 128 個——擁有來自公共數(shù)據(jù)庫和其他蛋白質(zhì)序列數(shù)據(jù)庫的約 170,000 個蛋白質(zhì)結(jié)構(gòu)。該公司表示，它需要“幾周”才能完成。接下來，希望讓第三方研究人員以可擴展的方式訪問該系統(tǒng)，同時應用該技術更好地了解蛋白質(zhì)結(jié)構(gòu)如何影響特定疾病并可能影響藥物開發(fā)。