文/陳根
蛋白質是生命的基石，幾乎支持著人體的所有功能。同時，蛋白質又是大型複雜分子，由胺基酸鏈組成，蛋白質的作用很大程度上取決於其獨特的三維結構。準確預測蛋白質三位結構對生命科學和醫學無疑是一個巨大的福音，這意味著大大加快人們對細胞組成部分的理解，並使人們能夠更快、更先進地發現藥物。
然而，預測蛋白質三位結構的「蛋白質摺疊問題」卻並不簡單，一個主要的挑戰是，蛋白質在形成最終的三維結構之前，理論上可以摺疊的方式數量是天文數字。
1969年，塞勒斯 · 萊文塔爾（Cyrus Levinthal）指出，用暴力計算法列舉一個典型蛋白質的所有可能構型所需的時間比已知宇宙的年齡還要長，他估計一個典型蛋白質有10 ^ 300種可能構型。事實上，在過去的半世紀裡，「蛋白質摺疊問題」都是生物學中的一個巨大挑戰。
而現在，這一困擾科學家們的世紀難題，卻在人工智慧的深度學習下得到了重大突破。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。
近日，在有「蛋白質奧林匹克競賽」稱呼的國際蛋白質結構預測競賽（CASP）上，AlphaFold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。
這一發展也被研究人員們給予高度的評價。馬克斯·普朗克發展生物學研究所(Max Planck Institute for Developmental Biology)所長、CASP評估員安德烈·盧帕斯(Andrei Lupas)教授表示：「阿爾法·弗爾德(Alpha Fold)驚人的精確模型使我們能夠解決近十年來一直困擾科學界的蛋白質結構問題，重新啟動了學界的研究，以了解信號是如何通過細胞膜傳遞的。」
未來，Alpha Fold或將幫助科學家發現蛋白質功能失調以及導致某些疾病的原因，這為藥物開發開闢了全新的途徑，從而可以快速地進行醫療治療。它還可以幫助開發降解塑料廢物的酶，或者通過預測新病毒的蛋白質結構來幫助解決未來的流行病。同時，它還可以幫助解開目前我們不知道其結構的數億蛋白質。
諾貝爾獎得主、皇家學會主席Venki Ramakrishnan教授表示，這項計算工作代表了蛋白質摺疊問題的驚人進展，這曾經是生物學領域50年來的重大挑戰。