精準預測蛋白結構的AlphaFold,會砸了結構生物學家的飯碗嗎?

pixabay.com

2020年11月30日，谷歌旗下DeepMind公司研發的人工智慧系統AlphaFold在第14屆國際蛋白質結構預測競賽（CASP）中摘得桂冠。

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」。

這些激動人心的表述，讓網友們驚呼：如果機器預測蛋白結構這麼準，結構生物學家們的飯碗，要被機器搶走了嗎？

1

AlphaFold預測結構奪冠，再次名聲大噪

了解一種新的蛋白結構有兩條路，一是靠實驗去 「看」，二是根據胺基酸序列用計算機去 「算」。

可以說，AlphaFold是目前 「算」 這條路上的冠軍。

利用計算預測蛋白質結構的CASP競賽創始於1994年，如今已成為評估預測技術的黃金標準，也是這一領域交流新技術的國際平臺。該競賽以全局距離測試（Global Distance Test，GDT）計分，滿分100分，分數越高，意味著每個胺基酸殘基（蛋白鏈上的小球）離實驗測得的正確位置越接近。用於競賽的蛋白質均為新近實驗破解的、且未公開發表的研究。

圖源：deepmind.com

自由建模環節中AlphaFold的模型與實驗數據高度貼合。藍色為計算預測，綠色為實驗結果。

在今年CASP比賽中，組織方在5月到8月間放出胺基酸序列，上百個參賽團隊可在5月至9月中旬間提交模型。

最終，DeepMind 旗下AlphaFold系統拿下中位數92.4GDT的高分，就是在難度較高的自由建模環節也達到了87分的中位數，比第二名高出了25分。

馬裡蘭大學教授、競賽創始人之一的約翰·蒙特（John Moult）教授認為，90 GDT左右的分數可認為與實驗方法獲得的結果相競爭。

「這絕對是驚人的突破。對於超大分子量的單一蛋白，體外表達上就存在困難，更別提更大的複合物，所以在獲得高質量的樣品用於結構解析是具有挑戰性，以及費時費力費錢。能夠利用準確預測的結構進行分析，對於相應的研究意義非凡。」 對於AlphaFold的成績，清華大學生命科學學院研究員李賽不吝讚美。結構生物學家李賽的研究方向是用冷凍電鏡解析生物樣本，而清華大學擁有國際一流的冷凍電鏡平臺。

AlphaFold預測的效果如此之好，與實驗結果只有小幅差異，甚至讓人懷疑差異是否源於實驗結果不夠精細。「跟實驗方法對比的話，有時候說，解析度如此之高，有時候並不知道這個誤差是來自於結構的預測，還是來自於實驗方法解析度的限制。所以這個消息是讓人很振奮的。」 李賽告訴《知識分子》。

蛋白質由長長的胺基酸鏈組成，而僅有正確的胺基酸是不夠的，這些鏈條必須扭捲成特定的三維結構，蛋白質才有活性，這一物理過程被稱為蛋白質摺疊。胺基酸鏈未摺疊或摺疊錯誤的蛋白質，都不能正常發揮生理功能。因此，探究蛋白質的結構對於研究其功能十分重要。

1972年，美國生物化學家克裡斯迪安·安芬森（Christian Boehmer Anfinsen）提出假設，胺基酸序列能完全決定蛋白質結構。但胺基酸序列摺疊的可能性多到數以億計，僅通過胺基酸序列，並不能得到完整的蛋白質結構，因此在過去幾十年裡，計算預測只是實驗手段的輔助。

解析蛋白質結構，現有的常用實驗方法有三種：核磁共振、X射線晶體學和冷凍電鏡。

如今，已有約17萬蛋白質的結構經實驗破解，並上傳至蛋白質數據銀行（Protein Data Bank，PDB）公開。

隨著海量的序列和結構數據積累，預測結構不再是根據胺基酸序列「空算」，而有了學習的依據。利用這17萬公開的蛋白質序列和結構數據，以及已知序列而未知結構的蛋白質資料庫，DeepMind 對 Alphafold 進行訓練。

2018年，DeepMind 推出 AlphaFold1 參加第13屆CASP競賽，今年的系統則是新版本AlphaFold2，使用了大約128個TPUv3核（相當於100-200個gpu）進行數周運算，算力更強。

圖源：deepmind.com

相比於上一代AlphaFold，新版本在中位數準確性上更進一步。

2

結構生物學家：

AlphaFold目前適用於理想環境的小型結構

李賽表示，新聞中的AlphaFold建模的對象都是一些分子量較小的或較基礎的結構。

從簡單到複雜、分子量從低到多，蛋白質結構可分為四級。其中，一級結構指線性的胺基酸序列；二級是形成穩定結構的胺基酸鏈，比如線圈狀的α螺旋、鋸齒狀的β摺疊；三級是幾個二級結構形成的三維結構；四級結構是蛋白質複合物。

目前DeepMind展示的建模模型處於二級結構到三級結構之間。

展示的可能是（分子量）比較小的，可能是由幾個α螺旋或者幾個β摺疊這樣的二級結構，或者是一些結構域（超二級結構）、小蛋白質結構。」 李賽解釋，蛋白越大、摺疊的不確定性就越大。對於蛋白中穩定的結構域，通過胺基酸序列就可預測二級結構。但隨著結構尺度「升級」，會出現一些摺疊不確定的部分，「這些對於預測是蠻難的，即使是實驗方法都不能保證測出來。

清華大學生命科學院院長王宏偉表示，「AlphaFold目前還主要是預測單鏈蛋白或結構域，無法預測較大的蛋白質複合體，尤其是包含很多不同組分的生物大分子機器的結構。」 他解釋說，這主要是因為蛋白和蛋白的相互作用非常複雜，存在極多的可能性，即使實驗手段也只揭示出冰山一角。

對於複雜的蛋白質或蛋白複合物，科學家們現在主要通過冷凍電鏡來解析。在核磁共振、X射線晶體學、冷凍電鏡三種方法裡，最初用於核物理的核磁共振要求生物樣本分子量最小（15~25Kd），解析度最高，達1埃以下；X射線衍射法對樣本大小（不超過200Kd）的要求和解析度都居中，但樣本必須結晶；冷凍電鏡的解析度原不如前兩者，適用於研究單個較大的生物分子，但2013年後技術革命，解析度已達到原子級。

李賽告訴《知識分子》，結構生物學和冷凍電鏡方法現在的研究重點依然是蛋白質三維結構，包括蛋白蛋白複合物、蛋白核酸複合物、糖蛋白等等。

除了可能的蛋白大小和結構複雜度的區別，李賽認為人工智慧預測蛋白結構更依賴於比較理想化的環境。

而理想狀態與蛋白質的自然狀態是不同的。

李賽解釋說，「結構生物學發展的大的趨勢是做原位蛋白結構，這個就更複雜了。比如說一個病毒，（想研究）嵌在膜上的蛋白與另外一個蛋白的關係，要把結構解析出來。除非計算的方法能在哪一天模擬整個病毒、細菌、細胞，並把所有複雜因素都考慮，不然無法做到接近自然。」

3

機器預測比實驗省時省錢？

從時間上看，實驗方法破解一個蛋白質結構，根據研究的緊急程度、樣本可獲得性、蛋白複雜程度等等因素，用時短則幾周幾月，長達數年也不稀奇。相比而言，計算預測是要快一些，畢竟AlphaFold運算訓練只花費了數周，而CASP競賽全套建模項目也只有5個月。

除了省時，也可能更省錢。

冷凍電鏡、核磁共振、X射線衍射三種實驗方法探測蛋白結構的原理不同，設備也全然不同。冷凍電鏡是用電鏡觀察經特殊冷凍後的樣本；核磁共振是通過分析原子對能量的吸收情況反推物質的構成；X射線衍射法是利用晶體的X射線衍射結果計算晶體中原子排布。

硬體成本上，一臺冷凍電鏡根據規格型號不同，設備價格約在2000萬到6000萬之間，這還不算運行和維護費用。

而核磁共振和晶體學的設備價格也很高昂。特別是晶體學的同步輻射設備，佔地可達數平方公裡，建設費用數以億計，李賽介紹說。

陳勇是清華大學生命科學學院博士後，博士期間在中科院生物物理所研究晶體學，他表示X射線晶體學的設施建設費用可達百億，一般由政府主導，比如中國的上海同步輻射光源。這些平臺除了服務生物學，還用於材料科學、物理學等。雖然造價上天，陳勇解釋，同步輻射設備通常全球共享，並不是每個研究單位都要自己有。

而如果用計算機預測蛋白結構，硬體 「主要是高性能GPU計算平臺的投入」，李賽表示，一個滿足學院規模計算需求的平臺建設大概需要千萬級別，每年維護費用相對實驗設施投入較低，電費開支每年在百萬。

陳勇認為，計算機預測蛋白結構的成本理論上還是有優勢——雖然預測需要高性能計算機，但冷凍電鏡也需要高性能計算，而且還要加上前期設備費用。

4

機器預測能否代替實驗？

即使計算的成本優於實驗，但有了預測還做不做實驗呢？

「AlphaFold確實是有劃時代意義的工作，因為過去幾十年科學家們一直努力實現能不能通過計算預測。這個是計算模擬或者是預測，實驗性科學永遠是實驗性科學，我不知道計算預測出來的結果還要實驗科學去驗證嗎？」 陳勇說，「這是個有意思的問題，我也不知這會不會出現重複性工作，你預測出來一個，我還要去驗證一下？」

對於結構生物學研究，預測並不陌生，並一直作為實驗科學的輔助存在。

李賽告訴《知識分子》，在AlphaFold之前很多年就有了一些預測蛋白質結構的算法。「密西根大學的張陽實驗室在這個上面比較領先，我們有時候會用他們的伺服器預測一些結構，用來和電鏡結構做參照。」 至於預測與實驗的結果，有時候一樣，很多時候是不一樣。

不過，對於從零開始的研究，預測可以幫助實驗科學找找思路。陳勇表示，有許多未知的蛋白結構，在前期沒有任何東西參考的情況下，「可以通過序列計算出來一個模型，然後實驗性科學正好又得到了一個蛋白結構的電子密度，這樣在解析度沒那麼高的情況下，可能有助於我們從頭建模，去搭原子模型。」

對於AlphaFold這樣高準確性的算法，「我覺得這是一個蠻好的事情，非常厲害，」陳勇說，預測能輔助搭模，幫助在做表達的時候做一些優化和改造，「這樣可能會加速實驗性科學的腳步。」

實驗受益於預測，而預測的算法是基於實驗科學的結果。

或許蛋白質摺疊存在某種可靠的規律，但這種規律需要參考的生理因素實在太多太多。實驗科學尚在探索冰山一角，構築在實驗之上的算法能形成理論閉環嗎？

「完全基於物理學和化學第一性原理的結構預測還沒有出現。實驗科學永遠是探索未知的必要手段。」王宏偉指出。AlphaFold系統對蛋白結構精準預測的算法不是憑空成立的，而來自對17萬實驗確定的蛋白結構和序列的學習。

所有實驗解出蛋白結構會上傳PDB資料庫並擁有編號。「這周放出來的晶體結構的量是兩百多個，電鏡（實驗獲得的）大概是五十多個。」陳勇介紹說。另外，資料庫裡約10~15%的結果來自核磁共振。

創建於1971年的全球共享的蛋白結構檔案庫——PDB現孜孜不倦地每周二更新。截至2020年12月2日，共收錄171916個蛋白結構。

但更多的蛋白質結構仍然未知。

「對這些蛋白進行結構預測具有極大的重要性，同時預測的結構也有助於實驗解析未知蛋白結構。」 李賽表示。

DeepMind表示，在未確定的蛋白質中，可能有一些具有令人興奮的新功能，像AlphaFold這樣的技術可能會幫助我們找到它們——就像望遠鏡幫助我們看到未知宇宙的更深處一樣。

探索更多的未知結構，這大概是 AlphaFold（們）和結構生物學家的共識吧。#木木西裡#

內容來源：知識分子

博士勸退文（肺腑之言）

5個地球之外的實驗

20 歲感染 HIV，病情被醫院判死刑後：什麼才是「活著」？

特別聲明：本文發布僅僅出於傳播信息需要，並不代表本公共號觀點；如其他媒體、網站或個人從本公眾號轉載使用，請向原作者申請，並自負版權等法律責任。