攻克生物學難題,「阿爾法摺疊」精準預測蛋白質三維結構

2020-12-03 西部網

科技日報北京12月1日電人工智慧（AI）再度發威，攻克了生物學領域一項重大難題：預測蛋白質如何從線性胺基酸鏈捲曲成3D形狀以執行任務。據美國《科學》雜誌網站11月30日報導，「蛋白質結構預測關鍵評估」（CASP）競賽傳來喜訊：英國「深度學習」（DeepMind）稱其AI實現了上述成就，他們的方法將極大加快新藥研發進程。

人體擁有成千上萬種不同的蛋白質，每一種蛋白質都包含幾十到幾百種胺基酸，這些胺基酸的順序決定了它們之間的作用，賦予蛋白質複雜的三維形狀，進而決定了蛋白質的功能。了解這些三維形狀有助於研究人員設計出能在蛋白質縫隙內滯留的藥物。此外，合成出擁有所需結構的蛋白質，還可以加快酶的研製進程，讓生物燃料領域受益。

幾十年來，研究人員利用X射線晶體學或低溫電子顯微鏡（cryo-EM）等實驗技術來破譯蛋白質的三維結構，但這種方法可能需要數月甚至數年，且未必見效。目前，在生命體內發現的2億多個蛋白質中，只有17萬個蛋白質的結構被破解。

1994年，為更好預測和破解蛋白質三維結構，馬裡蘭大學結構生物學家約翰·穆爾特等人發起了CASP競賽，每兩年舉行一次。在今年的比賽中，「深度學習」團隊的「阿爾法摺疊」（AlphaFold）方法的中位分數為92.4（滿分100分，90分以上被認為預測方法可與實驗方法相媲美），預測最具挑戰性的蛋白質的平均得分為87，比次優預測高出25分。它甚至擅長預測嵌入細胞膜的蛋白質結構——細胞膜是許多人類疾病的核心，但很難用X射線晶體學研究。

歐洲生物信息學研究所名譽主任珍妮特·桑頓說：「『深度學習』團隊所取得的成就是驚人的，將改變結構生物學和蛋白質研究的未來。」

穆爾特則表示，這是一個有50年歷史的問題，「阿爾法摺疊」改變了遊戲規則，實驗學家將能使用精確的結構預測來理解不透明的X射線和低溫電磁數據；藥物設計者也可藉此迅速釐清新冠病毒等新冒出的危險病原體中每種蛋白質的結構，從而更快研製出相關藥物。

總編輯圈點

蛋白質的形狀決定了其功能。知道蛋白質如何摺疊時，我們才能知曉蛋白質的作用。但光是解析蛋白質摺疊後的結構，就已經非常困難。常用的方法是冷凍電鏡、核磁共振或者X射線等。結構要看得精細，耗時長且成本不菲。預測蛋白質摺疊後的形狀，則是「地獄難度」。它可以在極短時間內把自己摺疊成令人難以想像的形狀，預測所需要的算力可謂驚人。在人工智慧幫助下，曾經的天方夜譚成為事實。這或許是一項革命性成果，為人類探索藥物分子世界提供了強大工具。

（原標題 攻克生物學半世紀難題 有望加快新藥研發「阿爾法摺疊」精準預測蛋白質三維結構）

編輯：秦秦

相關焦點

  • 攻克生物學半世紀難題,「阿爾法摺疊」精準預測蛋白質三維結構
    科技日報北京12月1日電 人工智慧（AI）再度發威，攻克了生物學領域一項重大難題：預測蛋白質如何從線性胺基酸鏈捲曲成3D形狀以執行任務。1994年，為更好預測和破解蛋白質三維結構，馬裡蘭大學結構生物學家約翰·穆爾特等人發起了CASP競賽，每兩年舉行一次。在今年的比賽中，「深度學習」團隊的「阿爾法摺疊」（AlphaFold）方法的中位分數為92.4（滿分100分，90分以上被認為預測方法可與實驗方法相媲美），預測最具挑戰性的蛋白質的平均得分為87，比次優預測高出25分。
  • 「阿爾法摺疊」精準預測蛋白質三維結構
    人工智慧（AI）再度發威，攻克了生物學領域一項重大難題：預測蛋白質如何從線性胺基酸鏈捲曲成3D形狀以執行任務。了解這些三維形狀有助於研究人員設計出能在蛋白質縫隙內滯留的藥物。此外，合成出擁有所需結構的蛋白質，還可以加快酶的研製進程，讓生物燃料領域受益。幾十年來，研究人員利用X射線晶體學或低溫電子顯微鏡（cryo-EM）等實驗技術來破譯蛋白質的三維結構，但這種方法可能需要數月甚至數年，且未必見效。目前，在生命體內發現的2億多個蛋白質中，只有17萬個蛋白質的結構被破解。
  • DeepMind破解蛋白質摺疊難題引爭議,正準備論文回應
    澎湃新聞 當地時間11月30日，英國DeepMind團隊宣布在蛋白質結構問題上取得重大進展，其第二代「阿爾法摺疊」（AlphaFold）方法精準預測蛋白質的三維結構，摘得國際蛋白質結構預測競賽
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年...
    美國時間11月30日，谷歌母公司Alphabet旗下人工智慧公司DeepMind公開宣布，生物學界50年來的重大難題——蛋白質摺疊預測，已被其成功攻克。DeepMind在官方博客中稱：AlphaFold的最新版本，在通過胺基酸序列精確預測蛋白質摺疊結構方面，已經獲得權威蛋白質結構預測評估機構（Critical Assessment of protein Structure Prediction，CASP）的認可。此消息一出，立刻登上了Nature雜誌封面，標題直接評論為：「它將改變一切！」。
  • 顏寧等點評:AI精準預測蛋白質結構,結構生物學何去何從?
    12月1日，谷歌旗下的DeepMind公司宣布，其新一代AlphaFold人工智慧系統在國際蛋白質結構預測競賽（CASP）上擊敗了其餘的參會選手，精確預測了蛋白質的三維結構，準確性可與冷凍電子顯微鏡（cryo-EM）、核磁共振或 X 射線晶體學等實驗技術相媲美。（詳見《解決生物學50年來的重大挑戰！
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年巨大挑戰
    每經AI快訊，美國時間11月30日，谷歌母公司Alphabet旗下人工智慧公司DeepMind公開宣布，生物學界50年來的重大難題——蛋白質摺疊預測，已被其成功攻克。而攻克這一難題的正是其2018年一經推出便震驚科學界的AI系統——AlphaFold。
  • AI精準預測蛋白質結構,結構生物學何去何從?|返樸
    在欣喜的同時，蛋白質結構預測小同行也有一些保留意見： 工程化明顯，依賴於強大的GPU計算資源和代碼優化團隊； 谷歌公司幾乎可以收集全球所有網絡信息，雖然看起來AlphaFold2的自動化程度很高，但他們在人工操作中使用了哪些信息值得關注； 預測對了結構，但不等於明白了蛋白質摺疊過程和原理
  • 生物學50年難題被DeepMind解決了,蛋白質版「阿法狗」預測結構準確...
    鄭集楊 發自 凹非寺量子位 報導 | 公眾號 QbitAI一早醒來，發現搞蛋白質結構研究的朋友都在紛紛自嘲：要失業了。啊這，怎麼回事？原來是結構生物學，迎來了一個「革命性」的突破。
  • 50年都未解開的蛋白質摺疊難題被AI破解了
    他猜測蛋白質複雜的三維結構是由它的一維結構所決定的，也就是說，由DNA控制細胞內RNA所搭建的特定胺基酸序列，從理論上來講，應該決定了這類蛋白質擁有怎樣的結構。這就是著名的蛋白質摺疊結構預測。沒想到，這個假設竟成為了生物學界近50年來一個重大難題。
  • 顛覆生物學!AlphaFold成功預測蛋白質結構
    原文作者：Ewen Callaway科學家認為，谷歌預測蛋白質3D結構的深度學習程序將顛覆生物學。谷歌旗下人工智慧（AI）公司DeepMind的一個AI網絡朝著解決生物學領域最大的挑戰之一邁出了一大步，這裡的挑戰是：根據一個蛋白質的胺基酸序列來確定它的3D結構。
  • 人工智慧裡程碑突破：DeepMindI精準預測蛋白質結構
    今日，DeepMind宣布，新一代AlphaFold人工智慧系統，在國際蛋白質結構預測競賽（CASP）上擊敗了其餘的參會選手，能夠精確地基於胺基酸序列來預測蛋白質結構。其準確性可以與使用冷凍電子顯微鏡（CryoEM）、核磁共振或 X單晶衍射等方法解析的蛋白結構相媲美。這一突破被多家媒體稱為「變革生物科學和生物醫學」的突破。
  • 除了下圍棋 AI還能預測"難纏"的蛋白質結構
    在2020年各種重大科學新聞評選中，「人工智慧預測蛋白質三維結構」是上榜率很高的一項內容。50年來，科學家們一直在努力解決生物學最大的挑戰之一——預測一串胺基酸在變成工作蛋白質時摺疊成的精確三維形狀。2020年，他們通過一款人工智慧程序，實現了這一目標。那麼，這個工作的意義是什麼？人工智慧又是如何做到這一點的？
  • 「阿爾法狗」轉行預測蛋白質結構,交大教授建議布局AI+生物醫藥|新...
    人工智慧讓蛋白質結構預測成為可能 蛋白質具有三維結構，由一系列胺基酸摺疊而成。對科學家來說，胺基酸測序是比較容易完成的工作，蛋白質三維結構解析的難度卻很大，耗時費力。1972年，美國科學家克裡斯蒂安·安芬森因提出「蛋白質的高級空間結構由其胺基酸序列決定」而獲得諾貝爾化學獎。
  • AI破解蛋白質摺疊難題,這意味著什麼?-虎嗅網
    五十年來，蛋白質摺疊一直是生物學的巨大挑戰。分子摺疊方式變幻無窮，其重要性很難估計。大多數生物過程都圍繞蛋白質，而蛋白質的形狀決定了其功能。蛋白質摺疊50年來重大突破，AI破解預測難題蛋白質的形狀與其功能密切相關，預測蛋白質結構的能力可以幫助我們更好地理解蛋白質的功能和工作原理。世界上許多重大的挑戰，比如發展疾病的治療方法或者找到分解工業廢物的酶，從根本上來說都與蛋白質及其所扮演的角色有關。
  • DeepMind 團隊 CASP 奪冠:用 AlphaFold 預測蛋白質結構
    圍棋界公認阿爾法圍棋的棋力已經超過人類職業圍棋頂尖水平。但是 DeepMind 團隊的最終目的並不是做遊戲，他們希望用人工智慧方法能幫助人類推動基本科學的進步。近日，團隊發現了僅僅基於蛋白質的遺傳序列來預測蛋白質的 3D 結構的方法。雷鋒網 AI 科技評論編譯如下。
  • 困擾科學家近半個世紀的蛋白質摺疊難題破了!這回又是AI揭的秘
    在2020年各種重大科學新聞評選中，「人工智慧預測蛋白質三維結構」是上榜率很高的一項內容。50年來，科學家們一直在努力解決生物學最大的挑戰之一——預測一串胺基酸在變成工作蛋白質時摺疊成的精確三維形狀。今年，他們通過一款人工智慧程序，實現了這一目標。那麼，這個工作的意義是什麼？人工智慧又是如何做到這一點的？
  • 解決生物學50年來重大挑戰!生物界「AlphaGo」精準預測蛋白質結構
    今日，DeepMind宣布，其新一代AlphaFold人工智慧系統，在國際蛋白質結構預測競賽（CASP）上擊敗了其餘的參會選手，能夠精確地基於胺基酸序列，預測蛋白質的3D結構。其準確性可以與使用冷凍電子顯微鏡（CryoEM）、核磁共振或 X 射線晶體學等實驗技術解析的3D結構相媲美。
  • DeepMind破解蛋白質摺疊難題
    DeepMind破解蛋白質摺疊難題，Nature：這可能改變一切剛剛，一個困擾生物學家50年的難題，被AI解決了。去年年底，谷歌DeepMind推出了一種名為AlphaFold（一個用人工智慧加速科學發現的系統，它基於蛋白質的基因序列，就能預測蛋白質的3D結構）的算法。
  • 精準預測蛋白結構的AlphaFold,會砸了結構生物學家的飯碗嗎?
    當日，DeepMind在官網發布新聞稿，稱對於困擾生物學界50年的 「蛋白質摺疊」 難題，AlphaFold系統已成為業內專家認可的解決方案；Nature新聞更是以 「it will change everything」（將改變一切）作為標題，指出DeepMind在解決蛋白結構問題上「邁出一大步」。
  • 人工智慧破解生物學50年大難題!這一切早已被頂尖科學家預言
    它成為了「蛋白質摺疊屆的奧林匹克競賽」CASP的冠軍！我們簡單地回顧一下此項比賽的背景與意義。CASP開始於20世紀90年代，全名為「蛋白質結構預測的關鍵評估」，它是一項非常縝密的實驗，致力於讓科學家們設計出能夠預測蛋白質摺疊的深奧謎團的系統。