引言
在這個生化環材領域人才瘋狂內卷的時代，人工智能的加速發展，再一次改變著人類的生活軌跡及研究進程，至此，內卷的路越走越遠，越來越卷……
這不，繼2021年07月15日，《Nature》發布了DeepMind有關AlphaFold的最新版本——AlphaFold2之后，僅僅一周，2021年07月22日，AlphaFold2便再次登上《Nature》。并且，這兩期的《Nature》甚至來不及編輯，都是以手稿的形式直接發布，可見內容之震撼，這一點通過同期《Nature》報道的一些專業人士對明星AlphaFold的看法中也可以看出：
(1) 倫敦大學學院(UCL)的計算生物學家Christine Orengo堅信，“從我的角度來看，這是完全的變革。有了這些蛋白質的形狀，你就能深入了解它們的機制”。
(2) 曾在AlphaFold的早期迭代中為DeepMind提供過建議的，同樣來自倫敦大學學院的計算生物學家David Jones贊嘆道，“這是令人驚訝的第一步，我們有這么龐大的數據！”
(3) 還有許多科學家認為AlphaFold的一些預測與非常好的實驗模型相當，因此其影響將是劃時代的。
(4) DeepMind聯合創始人兼首席執行官Demis Hassabis表示，“這是人工智能系統迄今為止對推進科學知識做出的最大貢獻。我認為這么說毫不夸張?！?/p>
接下來，讓我們一起來看看，明星AlphaFold為何如此受人追捧？
明星AlphaFold究竟干了什么？
人類基因組包含超過20000種蛋白質，而截至目前，只有其中三分之一通過實驗確定了它們的三維結構，而且在許多情況下，這些結構也只是部分已知的。在此，谷歌子公司DeepMind，通過應用最先進的機器學習方法AlphaFold，大規模地擴展了幾乎整個人類蛋白質組(人類蛋白質的98.5%)的結構覆蓋范圍。結果數據集覆蓋了58%的殘差，具有置信預測，其中一個子集(所有殘差的36%)具有非常高的置信度。此外，該工具還預測了從老鼠、玉米到瘧疾寄生蟲等各種其他生物的幾乎完整的蛋白質組。
目前在公共數據庫中，可以找到的35萬多種蛋白質結構，其準確性各不相同。但研究人員同時表示，到今年年底，這種資源將增加到1.3億個結構，將給生命科學帶來革命性的變化。
圖1. 人類介導子復合體，一直是結構生物學家最難理解的多蛋白系統之一。圖片來源于Nature
明星AlphaFold可以帶來什么？
上周，DeepMind發布了最新版本AlphaFold2的源代碼，以及詳細描述了它是如何開發的(學術團隊已經開始利用這些資源進行有用的預測)。DeepMind在準備公開代碼的過程中，為了提高代碼的運行效率，對代碼進行了改進。通常CASP目標的一些預測需要幾天時間，但AlphaFold2現在可以在幾分鐘到幾小時內就計算出它們。因此，由于這種額外的效率，DeepMind團隊預測人類基因組編碼的幾乎所有已知蛋白質的結構，以及20種生物物種的蛋白結構。
DeepMind的科學工程師Kathryn Tunyasuvunakool表示，“我們希望給實驗人員和生物學家一個明確的方向，告訴他們應該依賴哪些預測?！?Tunyasuvunakool還補充說, “對于人類蛋白質組來說，AlphaFold2對單個氨基酸位置有58%的準確預測已經是足夠好的了，足以確定蛋白質折疊的形狀。這些預測中的一部分，盡管只占總數的36%，而這已足夠精確，能夠詳細描述對藥物設計有用的原子特征，比如酶的活性位點等?！?/span>
與此同時，研究人員也強調，數據轉儲只是一個開始，而不是結束。他們想要驗證這些預測，更重要的是，將它們應用到迄今為止不可能的實驗中。
圖2. AlphaFold已經預測了人類和超過20種生物物種中幾乎所有的蛋白質結構。圖片來源于Nature
明星AlphaFold可能影響什么？
研究者預計，常規的大規模和高精度的結構預測，將成為一個重要的工具，允許人類從結構的角度解決新的問題。目前，研究者正通過公共數據庫(由歐洲生物信息學研究所托管，網址：https://alphafold.ebi.ac.uk/，已正式上線)，向社區免費提供他們的預測。正如前文所述，AlphaFold2上周儲存了大約36.5萬個結構，預測到年底將擴增至1.3億個，接近所有已知蛋白質的一半。
然而，我們應該清醒地認識到，面對如此龐大的數據，結構生物學家應該思考，如何處理這么多結構？如何將它們和實驗結合起來？正如David Jones在接受采訪最后談到，“這將會有很多會議?，F在我們有了1.3億個模型，這會如何改變我們對生物學的看法呢？或許這并不能改變當前現狀。但我猜測未來它會的?！?/p>
換句話說，機器已經做好準備了，那么，人類呢？是否已經做好人工智能和大數據帶來沖擊的準備了嗎？
參考文獻
1. Jumper, J.?et al.,?Highly accurate protein structure prediction with AlphaFold?Nature, Nature, 2021, Published: 15 July 2021. DOI: 10.1038/s41586-021-03819-2.
2. Tunyasuvunakool, K.?et al., Highly accurate protein structure prediction for the human proteome, Nature, 2021, Published: 22 July 2021. DOI: 10.1038/s41586-021-03828-1.
3. Nature News: DeepMind’s AI predicts structures for a vast trove of proteins, Nature, 2021, Published: 22 July 2021. DOI: 10.1038/d41586-021-02025-4.