谷歌人工智能部門 DeepMind 在預測蛋白質結構方面邁出了一大步。公司表示，其已經解決了關鍵的 “蛋白質折疊問題”，并將解決問題的運算時間從數月縮短至數小時，這有助于加快藥物發現速度，有可能破解一個類似于繪制人類基因組的問題。
DeepMind 開發的 AlphaFold 系統在最近結構預測關鍵評估(CASP)競賽中所展現出的能力達到了 “解決”問題的水平。該活動始于 1994 年，每兩年舉辦一次，以加速這一課題的研究。
蛋白質的不同折疊程度決定了它如何與其他分子相互作用，了解蛋白質結構變化對發現新冠肺炎等病毒如何侵入人體細胞、設計酶分解污染物和提高作物產量具有重要意義。
DeepMind 在 2014 年被谷歌收購，成為谷歌子公司。其開發的游戲人工智能廣為人知。DeepMind 所開發的人工智能系統能夠通過自我訓練，還在圍棋比賽中擊敗了李世石等世界知名圍棋選手。公司目標是開發可以應用于更廣泛問題的人工智能，目前為止，DeepMind 已經開發出的人工智能系統能夠使谷歌的數據中心更加節能，通過掃描識別眼疾，并自動將文字生成語音。
DeepMind 首席執行官杰米斯 · 哈薩比斯 (Demis Hassabis)在電話采訪中表示：“這些算法現在已經足夠強大，強大到可以應用于解決科學問題。”“經過 4 年的發展，我們有了一個足夠精確的系統，對生物學研究人員來說具有實際的生物學意義和相關性。”
哈薩比斯表示，DeepMind 目前正在研究以 “可擴展方式”為科學家提供訪問 AlphaFold 系統的途徑。
參與 CASP 的科學家們分析了大約 100 種蛋白質的氨基酸序列形狀。參賽者被告知排列順序，并負責預測蛋白質的形狀。AlphaFold 對其中三分之二蛋白質結構的評估與 CASP 的分析幾乎完全一致，而其他團隊的評估契合度約為 10%。這也比 DeepMind 工具兩年前首次參加 CASP 競賽時的結果要好，當時競賽中涉及 43 種蛋白質結構，DeepMind 準確預測出其中的 25 種。
哈薩比斯說，他開發 AlphaFold 系統的靈感來自 CASP 試圖找到未知蛋白質結構的嘗試，比如 Foldit 就是以謎題的形式向業余志愿者展示問題。在最初的兩年里，人類玩家被證明在解開謎題方面更具優勢，最終還發現了一種讓科學家們困惑不已的蛋白質結構，并就此設計了一種新的酶，后來在實驗室得到了證實。歐洲生物信息學研究所 (European Bioinformatics Institute)名譽主任珍妮特 · 桑頓 (Janet Thornton)說：“確定單個蛋白質結構通常需要多年的實驗努力。”桑頓是使用計算方法分析蛋白質結構的先驅之一。“更好地理解蛋白質結構、能夠使用計算機預測它們意味著更好地理解生命進化歷程，當然，也能夠更好理解還有有關人類健康和疾病的諸多問題。”
關鍵詞：
