谷歌的DeepMind人工智能预测了几乎所有已知蛋白质的3D结构

直到1957年，剑桥大学的科学家John Kendrew第一个成功确定了蛋白质原子的结构并制造了一个6分辨率的肌红蛋白三维模型，之后他在1960年建立了一个几乎完整的结构。由此，他解开了肌红蛋白结构的秘密，这是一种在肌肉细胞中发现的储氧蛋白 —— 肌红蛋白是一种由154个氨基酸组成的链，有助于为我们的肌肉注入氧气。

尽管这一发现具有革命性，但Kendrew并没有完全打开蛋白质结构的闸门。在下一个十年中，还发现了不到十几个。由于发现了肌肉组织中肌红蛋白的结构，Kendrew与Max Ferdinand Perutz分享了1962年诺贝尔生理学或医学奖（后者的贡献是发现了血红蛋白的结构）。

快进到今天。

近日，谷歌的DeepMind公司宣布，它已经成功地利用人工智能预测了几乎所有科学已知的编码蛋白质的3D结构。这是在植物、细菌、动物和人类中发现的超过2亿种蛋白质——几乎涵盖了你能想象到的任何东西。

DeepMind创始人兼首席执行官DeepMind创始人兼首席执行官近日告诉记者：“从本质上讲，你可以认为它覆盖了整个蛋白质世界。”

这多亏了AlphaFold —— DeepMind开创性的人工智能系统，它有一个开源数据库，因此全世界的科学家都可以自由地参与他们的研究。自去年7月AlphaFold正式启动以来——当时它只精确定位了大约35万个3D蛋白质——该项目在研究领域取得了显著进展。

Hassabis说：“超过50万名研究人员和生物学家利用该数据库查看了200多万个结构。这些预测结构帮助科学家取得了辉煌的新发现。”

例如，今年4月，耶鲁大学的科学家呼吁AlphaFold的数据库帮助他们实现开发一种新型高效疟疾疫苗的目标。去年7月，朴茨茅斯大学的科学家利用该系统设计了酶，以对抗一次性塑料污染。朴茨茅斯酶创新中心主任、后一项研究的研究员John McGeehan告诉《纽约时报》：“这使我们比现在还领先了一年。”

DeepMind

这些努力只是AlphaFold最终所到达的一小部分。

“仅在过去一年，就有上千篇关于广泛研究主题的科学文章使用了AlphaFold结构；我从未见过类似的东西，”欧洲分子生物学实验室蛋白质数据库的深度思维合作者和团队负责人Sameer Velankar在新闻稿中说。

Hassabis说，其他使用过该数据库的人还包括了那些试图提高我们对帕金森氏症的理解的人，希望保护蜜蜂健康的人，甚至还有一些人希望获得对人类进化的宝贵见解。

“AlphaFold已经改变了我们对化石记录中分子生存的思考方式，我可以看到它很快将成为研究人员的基本工具，不仅在进化生物学领域，而且在考古学和其他古科学领域，”都灵大学副教授Beatrice Demarchi说。世卫组织最近在一份新闻稿中表示，世卫组织在一项关于古代鸡蛋争议的研究中使用了该系统。

在未来几年中，DeepMind还打算与被忽视疾病药物倡议和世界卫生组织的团队合作，目标是为研究较少但普遍存在的热带疾病，如恰加斯病和利什曼病找到治疗方法。

“这将使世界各地的许多研究人员思考他们可以做什么实验，”DeepMind合作者、EMBL副主任Ewan Birney告诉记者，“想想他们研究的生物体和系统中发生了什么。”