新时代新医学，医学新发展

蛋白质是一切生命系统的物质基础，密切参与着从触发免疫反应到大脑思考的每一个生理过程。如果把基因比作构成生命的配方，那么蛋白质就是构成生命的材料。没有蛋白质，也就没有生命。

要想知道蛋白质是怎样工作的，就必须知道机器的结构。如果这个蛋白在某个疾病中起关键作用的话，有了它的结构，就可以设计药物分子来抑制它的功能。

与 DNA 密码不同的是，真正决定不同蛋白质性质和功能的，除了不同氨基酸的排列组合，更重要的是氨基酸链的 3D 结构。氨基酸链扭转、弯曲构成不同的蛋白质，因此，具有数百个氨基酸的蛋白质可能呈现出数量惊人的不同结构：10 的 300 次方个，或 1 后 300 个 0。

无论是X射线结晶，核磁共振，还是目前如火中天的冷冻电镜都不可能把10亿个已知“干不同工作”的蛋白质的结构都解出来，需要耗费大量的时间和金钱，所以到现在几十年来也只有不到五万个不同蛋白质的结构被解出来了。

这就是为什么用实验方法来解出蛋白质结构出了无限多的Nature，Science，Cell及众多个诺贝尔奖。

1959 年佩鲁茨和肯德鲁对血红蛋白和肌血蛋白进行结构分析，解决了三维空间结构，并因此获得 1962 年诺贝尔化学奖。

之后豪普特曼和卡尔勒建立了应用 X 射线分析的以直接法测定晶体结构的纯数学理论，在晶体研究中具有划时代的意义，特别在研究大分子生物物质如激素、抗生素、蛋白质及新型药物分子结构方面起了重要作用，因此而获得 1985 年诺贝尔化学奖。

2017 年诺贝尔化学奖授予发明了冷冻电镜技术的三位科学家，以奖励其对探明生物分子高分辨率结构的贡献。

近日一则关于“根据基因可预测生成蛋白质的结构”震惊科学界。据悉，12月2日，在第 13 届全球蛋白质结构预测竞赛上，DeepMind 的最新人工智能程序 AlphaFold 击败了所有人：成功预测生命基本分子——蛋白质的三维结构。

据介绍，基于深度神经网络，他们设计了两种方法以用来构建完整而精确的蛋白质结构。

第一种是他们先采集氨基酸对之间的距离和连接这些氨基酸的化学键之间的角度数据，接着将这些数据设计成用以评估蛋白质结构准确度的分析工具。在现有蛋白质数据库里找到最匹配的蛋白质，如果找不到，他们就基于最接近的搜索结构上，用新的基因片段不断替换，以创造出匹配要求的新结构。

第二种方法是研究人员主要用梯度下降 -a数学技术，它的精度相较于第一种会更高一些。相较于第一种方式，这种技术一步就可以预测整个蛋白质链，而不用经历组装的过程，整个过程更简单。

对于这项研究，DeepMind称其为“DeepMind在科学发现领域的第一个重要里程碑”，在生物学的核心挑战之一上取得了重大进展。

《卫报》评论称，这将“开启医学进步的新时代”。