人工智能为许多产业带来长远影响，继 AlphaGo 主宰围棋领域之后，DeepMind AI 在医疗保健上也有了重大突破，新系统展现出预测蛋白质三维结构的能力，不仅有望克服困扰生物学家半世纪的问题，也可能改变未来生物学领域的游戏规则。
蛋白质是由一条氨基酸链自我折叠成特定三维结构，通过掌握不同蛋白质的形状，科学家可以更深入理解它们的作用及引起疾病的方式，这也是为什么了解初始氨基酸序列并预测最终结构的能力相当重要。
然而因为氨基酸链折叠的可能性太多，尽管近年已出现许多新工具让研究人员能以惊人新细节研究这些结构，但一切仍取决于试误法（trial and error），必须不断反复尝试才能得出正确结果。
科学家曾估计若以人力运算，确定所有三维结构所需的时间将比宇宙已知存在的时间长，这也是为什么自 1970 年代初以来，研究人员一直在寻找蛋白质折叠问题的解决方案。
这项难题被称为“蛋白质折叠”（Protein folding），过去 50 年以来一直困扰着生物学家，但 DeepMind 认为它们专门为此项挑战开发的 AlphaFold 将成为最终答案。
据了解，AlphaFold 最早在 2018 年于 CASP13（蛋白质结构预测关键评估实验）亮相，当时就已达到有史以来最高精准度，但在近日举办的 CASP14 中，AlphaFold 更有了突破性的进展。
（Source：Deepmind）
在接受有关 17 万种蛋白质结构及 CASP14 上首次亮相的大型未知蛋白质结构数据库培训后，AlphaFold 在全局距离测试（GDT）测试中获得 92.4 的高分；与之前相比，两年前 AlphaFold 的精准度约为 60，而其他方法的准确度从未达到 50。
德国普朗克研究所所长 Andrei Lupas 认为，AlphaFold 惊人的精确度将帮助研究者解决困扰近十年的蛋白质结构问题，让研究人员能重新启动搁置的计划，了解信号如何在细胞膜之间传输。
除了可以帮助科学家开发酶来降解塑胶垃圾、预测新病毒的蛋白质结构，AlphaFold 还可以协助辨识有问题的蛋白质及导致某些疾病的原因，为药物开发开辟了全新的途径，也能帮助我们解开目前尚不了解结构的数亿种蛋白质。
诺贝尔奖得主、皇家学会会长 Venki Ramakrishnan 解释，这项结果代表蛋白质折叠问题的惊人进展，而这是已经困扰生物学 50 年的巨大挑战，可以说 AlphaFold 的出现或将从根本上改变生物学研究的多种方式，这项进展相当令人兴奋。
DeepMind 目前正在准备一篇论文，将提交给同行评审期刊。
- DeepMind AI solves 50-year protein folding problem in “stunning advance"
- AlphaFold: a solution to a 50-year-old grand challenge in biology
（首图来源：shutterstock）
