人类在21世纪需要解决的125个科学前沿问题之一,是蛋白质的折叠问题。
蛋白质是一切生命的物质基础。只有更好地了解蛋白质的内部结构,科学家们才能更快开发针对癌症、COVID-19 和数千种其它健康疾病的新疗法。
然而,确定蛋白质的 3D 结构一直是一个难题。
几十年来,研究人员一直使用 X 射线晶体学和冷冻电子显微镜等实验技术来确定蛋白质结构。
但缺点是费时费力费钱,而且一些蛋白质不适合这样的分析。
截至目前,约有10万个蛋白质的结构已经用实验方法得到了解析。但这一数目在已经测序的数10亿计的蛋白质中微乎其微。
幸运的是,随着人工智能的不断发展,预测蛋白质结构的 AI 工具也越来越成熟。
2021年7月16日,谷歌公司旗下 DeepMind 团队在 Nature 发表了题为:Highly accurate protein structure prediction with AlphaFold 的研究论文。
该论文描述了神经网络AlphaFold2,这是一个基于神经网络的新模型,其预测的蛋白质结构能达到原子水平的准确度,这一准确度是前所未有的。
作者们在2020年5-7月举办的第14届“蛋白质结构预测关键评估”(CASP14)大赛中验证了这种方法。
CASP14要求参赛团队根据蛋白质的氨基酸序列解析它们的结构。比赛中,AlphaFold2预测的大部分结构达到了空前的准确度,不仅与实验方法不相上下,还远超解析新蛋白质结构的其他方法。
AlphaFold2的神经网络能在几分钟内预测出一个典型蛋白质的结构,还能预测较大蛋白质(比如一个含有2180个氨基酸、无同源结构的蛋白质)的结构。
该模型能根据每个氨基酸对其预测可靠性进行精确预估,方便研究人员使用其预测结果。
论文作者认为,这一精准的预测算法可以让蛋白质结构解析技术跟上基因组革命的发展步伐。
此外,DeepMind团队在论文中公布了AlphaFold2的开源代码,并发表了系统的完整方法论,详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的,以期待看到该方法为科学界启发出其他新的研究方法。
前瞻经济学人APP资讯组
本文来源前瞻网,转载请注明来源。本文内容仅代表作者个人观点,本站只提供参考并不构成任何投资及应用建议。(若存在内容、版权或其它问题,请联系:service@qianzhan.com)