蛋白質3D結構可用AI解析 生物學界最大的挑戰有望破解

2020-12-02 光明網

圖中藍色為計算機預測的蛋白質結構，綠色為實驗驗證結果，二者相似度非常高。圖片來源：DeepMind

本報訊生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。藉由深度學習程序AlphaFold，谷歌旗下人工智慧公司DeepMind能夠精確預測蛋白質三維形狀。

如果把生物體比作工地，那麼蛋白質就是工地上的磚頭。人體內有成千上萬種不同的蛋白質，每種蛋白質包括數十上百個胺基酸，這些胺基酸的順序決定著蛋白質的形狀和功能。「結構即功能」是分子生物學的定理，若能根據蛋白質的胺基酸序列推出其結構，有助於人們加速了解細胞的組成和運作規律，一些新藥物的研發也能更快推進。

長久以來，人們需要藉助實驗確定完整的蛋白質結構，比如X射線晶體學和冷凍電鏡，這些方法往往要花費數月甚至數年時間，目前人類已發現的2億蛋白質中，只有不到20萬的蛋白質結構被解析。

而現在，人工智慧（AI）有能力給出精確預測的計算方法，解析蛋白質結構只需要幾天甚至半個小時。近日，在國際蛋白質結構預測競賽(CASP)上，DeepMind推出的AlphaFold程序在百餘支隊伍中脫穎而出。CASP的比賽規則之一是參賽者預測的蛋白質結構必須已經通過實驗驗證但未公開發表。預測出的結果會通過實驗方法進行匿名檢驗，二者相似度越高，得分也就越高。

比賽中，DeepMind的AlphaFold將深度學習與張力控制算法結合，並應用於結構和遺傳數據，該深度學習網絡利用目前已知的170000種解析完畢的蛋白質結構進行了訓練。結合蛋白質摺疊的物理結構和幾何約束信息，AlphaFold可以預測出目標蛋白質的序列結構——甚至還包括楔入細胞膜的蛋白質，這是理解許多人類疾病的關鍵。

但AlphaFold也不是十全十美的，比賽中，在預測一個由52個小重複片段組成的蛋白質結構時，AlphaFold拿到的分數並不高。目前，DeepMind已經公布了AlphaFold首個版本的詳細信息，供其他研究者複製使用。DeepMind有關研發團隊表示，還將繼續對AlphaFold展開訓練，以便解析更複雜的蛋白質結構。（袁柳）

來源： 《中國科學報》

相關焦點

  • 蛋白質3D結構可用AI解析
    3D形狀的深度學習技術，可能將在生物學界掀起一場新的變革。圖中藍色為計算機預測的蛋白質結構，綠色為實驗驗證結果，二者相似度非常高。（圖片來源：DeepMind）生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。
  • 大難題告破,蛋白質3D結構可用AI解析—新聞—科學網
    3D形狀的深度學習技術，可能將在生物學界掀起一場新的變革。圖中藍色為計算機預測的蛋白質結構，綠色為實驗驗證結果，二者相似度非常高。（圖片來源：DeepMind） 生物學界最大的挑戰之一——蛋白質三維結構解析如今有望被破解。藉由深度學習程序AlphaFold，谷歌旗下人工智慧公司DeepMind能夠精確預測其三維形狀。 如果把生物體比作工地，那麼蛋白質就是工地上的磚頭。
  • 生物學界最大的謎團之一被 AI 破解
    來源：機器之心 生物學界最大的謎團之一，蛋白質摺疊問題被 AI 破解了。 11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智慧技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子摺疊問題。 最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 摺疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。
  • 生物學界最大的謎團之一,蛋白質摺疊問題被 AI 破解了.
    破解了出現五十年之久的蛋白質分子摺疊問題。最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 摺疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科學雜誌爭相報導，新成果也立刻獲得了桑達爾 · 皮查伊、伊隆 · 馬斯克等人的祝賀。
  • 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。那麼這場驚動科技圈、生物學界和科學界的重大突破，到底是一項怎樣的研究？AlphaFold：精確度高達92.4GDT首先要了解為什麼要預測蛋白質摺疊結構？眾多周知，蛋白質對於生命至關重要。幾乎所有疾病，包括癌症、痴呆症都與蛋白質的功能有關。而蛋白質的功能由它的3D結構決定。
  • 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。那麼這場驚動科技圈、生物學界和科學界的重大突破，到底是一項怎樣的研究？首先要了解為什麼要預測蛋白質摺疊結構？眾多周知，蛋白質對於生命至關重要。幾乎所有疾病，包括癌症、痴呆症都與蛋白質的功能有關。而蛋白質的功能由它的3D結構決定。
  • 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。
  • ...DeepMind AI解決生物學50年來重大挑戰,破解蛋白質分子摺疊問題
    蛋白質存在於我們世界中的所有有機物體及奧妙人體中，全新的AlphaFold 算法揭秘了生物學界50年來試圖破解蛋白質分子摺疊的難題，這項AI帶來的重大突破，將幫助科學家弄清某些困擾人們的疾病機制、加速找出新型流行病的具體原因（比如今年的全球新冠大流行），促進新藥設計、幫助農業增產、解析可有效降解廢棄物的嶄新成分、甚至探索為大氣減碳的全新解決方案。
  • 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
  • 生物學界最大的謎團之一被AI破解,活久見?
    11月30日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智慧技術公司DeepMind提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子摺疊問題。弄清蛋白質摺疊成何種形狀被稱為「蛋白質摺疊問題」。在過去50年裡，蛋白質摺疊一直是生物學領域的重大挑戰。DeepMind的AlphaFold讓人類在這一問題上取得了重要突破。在今年的國際蛋白質結構預測競賽CASP中，DeepMind開發的AlphaFold最新版本擊敗了其他選手，在準確性方面比肩人類實驗結果，被認為是蛋白質摺疊問題的解決方案。
  • 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。那麼這場驚動科技圈、生物學界和科學界的重大突破，到底是一項怎樣的研究？AlphaFold：精確度高達92.4GDT首先要了解為什麼要預測蛋白質摺疊結構？眾多周知，蛋白質對於生命至關重要。幾乎所有疾病，包括癌症、痴呆症都與蛋白質的功能有關。而蛋白質的功能由它的3D結構決定。
  • AI解決生物學50年大挑戰,破解蛋白質分子摺疊問題
    生物學界最大的謎團之一，蛋白質摺疊問題被 AI 破解了。11 月 30 日，一條重磅消息引發了科技界所有人的關注：谷歌旗下人工智慧技術公司 DeepMind 提出的深度學習算法「Alphafold」破解了出現五十年之久的蛋白質分子摺疊問題。最新一代算法 Alphafold 2，現在已經擁有了預測蛋白質 3D 摺疊形狀的能力，這一複雜的過程對於人們理解生命形成的機制至關重要。
  • AI解決生物學50年大挑戰，破解蛋白質分子摺疊問題
    機器之心編輯部生物學界最大的謎團之一，蛋白質摺疊問題被 AI 破解了。弄清蛋白質摺疊成何種形狀被稱為「蛋白質摺疊問題」。在過去 50 年裡，蛋白質摺疊一直是生物學領域的重大挑戰。DeepMind 的 AlphaFold 讓人類在這一問題上取得了重要突破。
  • 一線|「阿爾法狗」親兄弟AlphaFold破解預測蛋白質結構50年難題
    騰訊新聞《一線》紀振宇 發自矽谷 谷歌母公司Alphabet旗下人工智慧公司DeepMind憑藉其開發的AlphaGo人工智慧圍棋程序一鳴驚人，如今這家公司在解決生物學界50年難題方面又獲得了新的突破。
  • 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
    具體而言，是DeepMind的第二代AlphaFold 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。
  • AI破解蛋白質摺疊難題,施一公等結構學家未來的創新點將在哪裡?
    然而，一個主要的挑戰是，一種蛋白質在進入最終的3D結構之前，理論上可以摺疊的方式數量是天文數字。1969年，Cyrus Levinthal指出，通過蠻力計算來列舉一種典型蛋白質的所有可能構型需要比已知宇宙的年齡更長的時間——Levin thal估計了一種典型蛋白質的10^300種可能構象。
  • AI破解蛋白質摺疊難題,這意味著什麼?
    今天，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、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。
  • AI解決生物學50年來重大難題:破解蛋白質摺疊,顛覆結構生物學
    生物學界最大的謎團之一，蛋白質摺疊問題被 AI 破解了。CASP14 組織者、年近七旬的 UC Davis 科學家 Andriy Kryshtafovych 在大會上感嘆道，I wasn't sure that I would live long enough to see this（我活久見了）。
  • AI系統攻破生物學界50多年重大難題
    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。Alphabet 旗下人工智慧公司 DeepMind 在預測蛋白質結構方面邁出了一大步。
  • 科學網—蛋白質結構解析:生物學的「聖杯」
    」是幾乎所有分子和細胞生物學家每天面臨的最大難題之一。無怪乎羅伊發此喟嘆，當年的統計數字顯示，只有0.6%的已知蛋白序列被解析出了相應的結構。 不過，自從美國科學家克裡斯蒂安·安芬森（Christian B.