AI对人类蛋白结构的预测能力近日又取得了突破性进展。谷歌旗下人工智能公司DeepMind于7月22日在《自然》杂志上发表论文称，其人工智能系统AlphaFold2已经能够预测人类98.5%的蛋白结构。
这些数据集将被完全免费开源，以支持全球科研人员在生命科学领域的研究。用DeepMind创始人哈撒比斯的话来说，他们希望“把Al的力量交到全世界手中”。
科学家将这一颠覆性突破成果的意义与人类基因组计划相提并论。上世纪90年代，人类基因组计划开始成形时，科学家意识到光掌握基因的碱基排列是不够的，还必须了解基因的产物蛋白质。
中国科学院院士、结构生物学家、西湖大学校长施一公认为，AlphaFold对蛋白结构的精准预测，是人工智能对科学领域最大的一次贡献，也是人类在 21 世纪取得的最重要的科学突破之一。
施一公告诉第一财经记者：“AlphaFold代表了目前全球最领先的人工智能蛋白机构预测系统。”他同时称，中国的高科技企业也在追赶，期待不久的将来能够带给世界惊喜。
过去50年来，人类一直在试图解析蛋白质组。2001年人类基因组框架图发布时，人类蛋白质组研究组织(HUPO)也同时成立。2014年，慕尼黑工业大学和约翰霍普金斯大学绘制出首个人类蛋白质组草图。
随后人类蛋白质组数据库逐渐被完善，AlphaFold的研究成果也是建立在目前收录最广泛和注释信息最全面Uniprot数据库之上。
在施一公看来，人工智能对蛋白结构的预测已经相当精准，将对结构生物学领域产生重大的影响，影响包括生物化学、细胞生物学、遗传发育、神经生物学、微生物学以及病理药理等在内的几乎所有生命科学研究领域，并提升人类对生命的理解。比如，通过蛋白结构预测，就能查看人类遗传病中的每一个突变在相关蛋白结构里的具体位置，并推测出蛋白功能如何受到影响。
另一个有望极大受益的领域是制药行业。人工智能预测蛋白结构为药物设计和优化提供了重要的基础。“所有小分子药物结合的药物靶点蛋白的结构，几乎都能被AlphaFold一网打尽。”施一公表示。
不过AlphaFold预测的结构仍然有很多局限性。研究人员指出，AlphaFold尚不能预测复杂复合体的3D结构。而且，蛋白构象很多情况下是个动态过程，同一个蛋白可能根据环境等因素，变成不同的构像并且具有不同的功能，而AlphaFold通常只能预测出一个构象。对于不产生特定结构的氨基酸序列，AlphaFold也无法做出可信的结构预测。
施一公认为，DeepMind仍有提升空间，比如把更大更复杂的结构和一些复合物结构预测出来，以及如何根据预测出来的靶点蛋白结构来设计药物分子。
施一公带领的西湖大学工学院和生命科学院正在全面布局AI进入生命科学的各个领域，并在研究如何改进算法。近期，西湖大学在结构生物学领域也不断取得新突破。
本月早些时候，西湖大学90后博士生导师吴建平团队在《自然》杂志上发表重要论文，创造性地利用基因编辑技术，解析了精子中最重要的一个离子通道蛋白复合物的结构，并发现了几个新蛋白组分，对生殖医学领域研究的做出重要贡献。
施一公认为，人工智能预测蛋白结构会让每一位生物学家都受益，尤其是结构生物学家和生物物理学家。“每一位用心的生物学家都应该知道如何用好人工智能的结构预测。”施一公表示。
这样看来，人工智能的发展并不会让结构生物学从业者“丢掉饭碗”，而是能够帮助减轻研究人员的繁琐工作，提升其工作效率。
全球范围已经有多个团队正在通过与DeepMind合作，利用人工智能预测结构帮助其研究工作。这些研究领域包括热带疾病药物开发、降解污染环境的一次性塑料、抗生素研究以及新冠生物学机制等。
