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

2020-12-03 央視新聞

近日，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。

文章來源丨科技日報

（編輯 於渤）

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。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。
  • 「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。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。
  • 「阿爾法摺疊」精準預測蛋白質三維結構|胺基酸|x射線|生物學|蛋白...
    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。
  • DeepMind破解蛋白質摺疊難題引爭議 正準備論文回應
    原標題：DeepMind破解蛋白質摺疊難題引爭議，正準備論文回應 　　當地時間11月30日，英國DeepMind
  • DeepMind破解蛋白質摺疊難題引爭議,正準備論文回應
    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（CASP）冠軍。這一進展被輿論視為繼AlphaGo以3:0戰勝世界圍棋冠軍後，人工智慧的再度發威。
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年巨大挑戰
    每經記者：蔡鼎 每經編輯：杜宇每經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。
  • 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！」。
  • 摺疊革命,深度學習通過胺基酸序列預測蛋白質結構
    通過它們構造並保持每個細胞和組織的外觀結構；構建那些維持生命化學反應的催化酶；成為分子的加工廠、轉換器和驅動機；擔當信號器並接收蜂窩信號等等。由胺基酸和蛋白質組成的長鏈，將它們自己摺疊成精準3D結構，可以管理分子間活動的複雜問題。
  • DeepMind AI破解「蛋白質摺疊」難題，攻克生物學50年巨大挑戰
    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。
  • DeepMind AI破解「蛋白質摺疊」難題,攻克生物學50年巨大挑戰
    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！」。
  • 「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。
  • DeepMind AI 人工智慧破解困擾科學家 50 年的蛋白質摺疊結構難題
    DeepMind AI 人工智慧破解困擾科學家 50 年的蛋白質摺疊結構難題過去推動的Folding@home計劃，就是希望透過使用者貢獻空閒運算效能，透過連網協作方式組成龐大運算資源，藉此研究蛋白質摺疊結構，就連NVIDIA過去也曾藉由GPU
  • AI破解蛋白質摺疊難題,這意味著什麼?
    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。
  • 阿爾法狗打敗了人類棋手 「阿爾法摺疊」們成了科學家助手
    阿爾法狗打敗了人類棋手  「阿爾法摺疊」們成了科學家助手　　本報記者 劉園園　　人工智慧不僅僅在改變人們的生活方式　　DeepMind公司之前公布的「阿爾法摺疊」人工智慧系統，就引起不少關注。與「阿爾法狗」不同，「阿爾法摺疊」的特長是通過基因序列來預測蛋白質的3D結構。　　這可絕非易事。因為DNA信息只告訴科學家蛋白質的基礎構成即胺基酸殘基的序列。胺基酸殘基會形成長長的鏈狀結構，預測這些鏈狀結構如何摺疊成蛋白質成了生物學領域的大難題——蛋白質摺疊問題。
  • 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？
  • 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。
  • 【AlphaFold精準預測蛋白結構】|蛋白質|胺基酸|生物學|複合物...
    2020-12-05 12:23:34　來源: BioArt 舉報 　　蛋白質三維結構預測是生物學最嚴峻的挑戰之一
  • DeepMind破解蛋白質摺疊難題
    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。
  • AI醫療新進展,谷歌DeepMind基於基因序列預測蛋白質的三維結構
    所有蛋白質都是由20種不同胺基酸連接形成的多聚體，在形成蛋白質後，這些胺基酸又被稱為殘基。要發揮生物學功能，蛋白質需要正確摺疊為一個特定構型。有多種科學方法可用於預測DNA中殘留胺基酸的蛋白質分子的天然三維狀態（即蛋白質鏈如何摺疊以達到天然狀態）。
  • DeepMind AI玩轉棋圈後，開始玩轉生物圈，破解了50年來預測蛋白質摺疊難題
    蛋白質三維結構的解析對於深入理解蛋白質功能和生理現象起著決定性作用。一般實驗室解析某個蛋白結構，需要花費數年時間，而人工智慧公司DeepMind新研發的AlphaFold似乎能破解這一難題。……而近兩年的DeepMind已經不再滿足於打造能在智力博弈中戰勝人類的人工智慧，他們將目光投向了生物學領域的老大難問題——預測蛋白質結構摺疊。