掃描上圖二維碼購票，參與全球新興科技峰會(huì)
在 AlphaGo 征服了 Atari 經(jīng)典游戲，并在國際象棋和中國圍棋中達(dá)到超人表現(xiàn)之后，DeepMind 現(xiàn)在將其人工智能轉(zhuǎn)向了人類科學(xué)中最棘手的醫(yī)療領(lǐng)域。現(xiàn)在，DeepMind 或許已經(jīng)實(shí)現(xiàn)了預(yù)測(cè)功能。
在 12 月 2 日坎昆舉行的會(huì)議上，組織者宣布，在第 13 屆全球蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競賽（Critical Assessment of protein Structure Prediction，CASP）上，DeepMind 的最新人工智能程序 AlphaFold 擊敗了所有人：成功預(yù)測(cè)生命基本分子——蛋白質(zhì)的三維結(jié)構(gòu)。CASP 也被認(rèn)為是蛋白質(zhì)結(jié)構(gòu)領(lǐng)域“奧林匹克競賽”。
“蛋白質(zhì)折疊”是一種令人難以置信的分子折紙形式，它非常神秘，是一個(gè)具有深遠(yuǎn)意義的問題，在科學(xué)界之外很少有人討論。所有生物都是由蛋白質(zhì)構(gòu)成的，蛋白質(zhì)的結(jié)構(gòu)決定了它的功能。當(dāng) AI 了解了蛋白質(zhì)的折疊方式，我們可以期待人類進(jìn)入科學(xué)和醫(yī)學(xué)的新時(shí)代。
正如 DeepMind 聯(lián)合創(chuàng)始人兼首席執(zhí)行官 Demis Hassabis 表示，“對(duì)我們來說，這是一個(gè)非常關(guān)鍵的時(shí)刻。這是一個(gè)燈塔項(xiàng)目，是我們?cè)谌肆唾Y源方面的第一個(gè)重大投資。這也是非常重要的、現(xiàn)實(shí)世界的科學(xué)問題?！?/strong>
圖丨 Demis Hassabis（來源：谷歌）
AI 為什么要讀懂蛋白質(zhì)？
在計(jì)算機(jī)的世界里，只有 0 和 1。而從某種程度上來說，生命的本質(zhì)其實(shí)就是 4 中不同堿基的排列組合。
包含整個(gè)生命密碼的 DNA，僅有 4 種堿基組成。這 4 種不同堿基的排列組合，翻譯出 64 種密碼子（每 3 個(gè)相鄰 mRNA 堿基構(gòu)成一個(gè)密碼子），這 60 多個(gè)密碼子又對(duì)應(yīng)著整個(gè)地球生命系統(tǒng)中僅有的 20 多種氨基酸，而 20 多種氨基酸的排列組合，構(gòu)成了數(shù)萬至數(shù)億種不同的蛋白質(zhì)。
蛋白質(zhì)是一切生命系統(tǒng)的物質(zhì)基礎(chǔ)，密切參與著從觸發(fā)免疫反應(yīng)到大腦思考的每一個(gè)生理過程。如果把基因比作構(gòu)成生命的配方，那么蛋白質(zhì)就是構(gòu)成生命的材料。沒有蛋白質(zhì)，也就沒有生命。
與 DNA 密碼不同的是，真正決定不同蛋白質(zhì)性質(zhì)和功能的，除了不同氨基酸的排列組合，更重要的是氨基酸鏈的 3D 結(jié)構(gòu)。氨基酸鏈扭轉(zhuǎn)、彎曲構(gòu)成不同的蛋白質(zhì)，因此，具有數(shù)百個(gè)氨基酸的蛋白質(zhì)可能呈現(xiàn)出數(shù)量驚人的不同結(jié)構(gòu)：10 的 100 次方個(gè)，或 1 后 300 個(gè) 0。
圖 | 從 DNA 到蛋白質(zhì) 3D 結(jié)構(gòu)（圖片來源：profacgen.com）
蛋白質(zhì)只有正確折疊為特定的 3D 構(gòu)型，才能發(fā)揮相應(yīng)的生物學(xué)功能。而蛋白質(zhì)四級(jí)結(jié)構(gòu)結(jié)構(gòu)的折疊，受到大量非共價(jià)相互作用（如氫鍵，離子鍵，范德華力和疏水作用）的影響，想要從分子水平上了解蛋白質(zhì)的作用機(jī)制，就需要精確測(cè)出蛋白質(zhì)的 3D 結(jié)構(gòu)。
為了研究蛋白質(zhì)結(jié)構(gòu)而發(fā)展起來了結(jié)構(gòu)生物學(xué)，在短短 60 多年的歷史中，已經(jīng)采用了包括 X 射線晶體學(xué)、核磁共振、冷凍電鏡等技術(shù)來解析蛋白質(zhì)結(jié)構(gòu)。
1959 年佩魯茨和肯德魯對(duì)血紅蛋白和肌血蛋白進(jìn)行結(jié)構(gòu)分析，解決了三維空間結(jié)構(gòu)，并因此獲得 1962 年諾貝爾化學(xué)獎(jiǎng)。之后豪普特曼和卡爾勒建立了應(yīng)用 X 射線分析的以直接法測(cè)定晶體結(jié)構(gòu)的純數(shù)學(xué)理論，在晶體研究中具有劃時(shí)代的意義，特別在研究大分子生物物質(zhì)如激素、抗生素、蛋白質(zhì)及新型藥物分子結(jié)構(gòu)方面起了重要作用，因此而獲得 1985 年諾貝爾化學(xué)獎(jiǎng)。2017 年諾貝爾化學(xué)獎(jiǎng)授予發(fā)明了冷凍電鏡技術(shù)的三位科學(xué)家，以獎(jiǎng)勵(lì)其對(duì)探明生物分子高分辨率結(jié)構(gòu)的貢獻(xiàn)。
但是，對(duì)于想要更深層次理解生命現(xiàn)象過程，以及更復(fù)雜的藥物研發(fā)而言，僅靠這種“觀察”的手段來研究蛋白質(zhì)的結(jié)構(gòu)，實(shí)在是難以滿足需求，對(duì)于一種復(fù)雜蛋白質(zhì)結(jié)構(gòu)的測(cè)定，往往需要耗費(fèi)大量的時(shí)間和成本，甚至還不一定準(zhǔn)確。
理論上來說，知道了 DNA 序列，就已經(jīng)決定了其能夠翻譯出的氨基酸序列和蛋白質(zhì)結(jié)構(gòu)，但想要實(shí)現(xiàn)這種預(yù)測(cè)，中間涉及的計(jì)算難以想象。而近年來隨著基因測(cè)序技術(shù)和人工智能的發(fā)展，使通過氨基酸序列來預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)成為可能。
圖丨 DeepMind 官網(wǎng)對(duì) AlphaFold 的報(bào)道
AlphaFold 完勝人類
全球蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競賽（CASP），由美國科學(xué)家約翰·莫爾特（John Moult）于 1994 年發(fā)起，每兩年舉辦一屆，旨在吸引計(jì)算機(jī)科學(xué)、生物物理學(xué)等不同領(lǐng)域的專家參與到蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)這一極具挑戰(zhàn)性的生物信息學(xué)問題中來，共同評(píng)估發(fā)展現(xiàn)狀和討論未來的趨勢(shì)。
而這次，完虐人類的 AI，也將目光轉(zhuǎn)移到了蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)。由 DeepMind 開發(fā)的 AI 程序“AlphaFold”參加了最新一屆的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)評(píng)估競賽。
競賽過程中，工作人員會(huì)將氨基酸序列交給每一個(gè)團(tuán)隊(duì)。而這些蛋白質(zhì)的結(jié)構(gòu)事先已經(jīng)被復(fù)雜而昂貴的傳統(tǒng)方法破解了，但尚未公開。最終提交最準(zhǔn)確預(yù)測(cè)的團(tuán)隊(duì)將贏得比賽。
首次參賽的 AlphaFold 在 98 名參賽隊(duì)伍中排名第一，其預(yù)測(cè)的 43 種蛋白質(zhì)中有 25 種蛋白質(zhì)的結(jié)構(gòu)最準(zhǔn)確，而排名第二的團(tuán)隊(duì)中只有 3 種。
（來源：DeepMind）
為了開發(fā) AlphaFold，DeepMind 用數(shù)千種已知蛋白質(zhì)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，直到它可以獨(dú)立預(yù)測(cè)氨基酸的 3D 結(jié)構(gòu)。對(duì)于新蛋白質(zhì)，AlphaFold 使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)氨基酸對(duì)之間的距離，以及連接它們的化學(xué)鍵之間的角度。接著，AlphaFold 調(diào)整結(jié)構(gòu)以找到最節(jié)能的氨基酸布置。該程序花了兩周時(shí)間預(yù)測(cè)它的第一個(gè)蛋白質(zhì)結(jié)構(gòu)，但現(xiàn)在只需幾個(gè)小時(shí)就能將其預(yù)測(cè)出來。
蛋白質(zhì)的 3D 結(jié)構(gòu)取決于它所含氨基酸的數(shù)量和類型，結(jié)構(gòu)也決定了蛋白質(zhì)在體內(nèi)的作用。例如，心臟細(xì)胞上折疊的蛋白質(zhì)，能識(shí)別血液中的腎上腺素，并使心率上升。免疫系統(tǒng)中的抗體也是折疊成特定結(jié)構(gòu)的蛋白質(zhì)，這些蛋白質(zhì)可以阻擋入侵的細(xì)菌。從收縮肌肉、感知光線到將食物轉(zhuǎn)化為能量，幾乎身體的每一個(gè)功能，都可以追溯到蛋白質(zhì)的結(jié)構(gòu)和運(yùn)動(dòng)。
通常情況下，蛋白質(zhì)具有最高效的結(jié)構(gòu)，但它們折疊錯(cuò)誤，就會(huì)導(dǎo)致糖尿病、帕金森癥和阿爾茨海默病等疾病。如果科學(xué)家能夠從化學(xué)成分中預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)，他們就可以弄清楚這些蛋白質(zhì)的作用以及它們是如何造成傷害的，并設(shè)計(jì)出新的蛋白質(zhì)抗擊疾病或履行職責(zé)。例如，可以設(shè)計(jì)新蛋白質(zhì)解決環(huán)境中的塑料污染。
(來源：麻省理工科技評(píng)論）
在比賽中，雷丁大學(xué)研究員 Liam McGuffin 領(lǐng)導(dǎo)了英國得分最高的學(xué)術(shù)團(tuán)體。他說，“今年 DeepMind 似乎已經(jīng)推高了競賽標(biāo)準(zhǔn)，我很想知道更多關(guān)于他們的預(yù)測(cè)方法，雖然我們資源不足，但我們?nèi)匀豢梢员３指偁幜Α！?/strong>
“預(yù)測(cè)蛋白質(zhì)折疊結(jié)構(gòu)的能力是一個(gè)大問題。它對(duì)解決許多 21 世紀(jì)的問題具有重大意義，它會(huì)對(duì)健康、生態(tài)、環(huán)境產(chǎn)生重大影響，并基本上解決所有涉及生命系統(tǒng)的問題。包括我們?cè)趦?nèi)的許多團(tuán)體多年來一直在使用基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和人工智能的方法，這些正在產(chǎn)生越來越重要的影響。我很樂觀地認(rèn)為，我們將在 20 世紀(jì) 20 年代真正解決這一領(lǐng)域的問題”，McGuffin 說。
Hassabis 表示，我們還有很多工作要做。“我們還沒有解決蛋白質(zhì)折疊問題，預(yù)測(cè)只是第一步。蛋白質(zhì)折疊是一個(gè)極具挑戰(zhàn)性的問題，但我們有一個(gè)很好的系統(tǒng)，我們還有一些尚未實(shí)施的想法?！?/strong>
“后 AlphaGo 時(shí)代”的 DeepMind，搶跑 AI 生命科學(xué)領(lǐng)域
DeepMind 被全世界人民所熟知是在 2016 年。當(dāng)時(shí)，他們所開發(fā)的 AI 算法 AlphaGo 擊敗了圍棋世界冠軍李世石，之后又在 2017 年于中國打敗了頂級(jí)棋手柯潔。在正是在那場烏鎮(zhèn)圍棋峰會(huì)上，Hassabis 表示，AlphaGo 將退役，但 DeepMind 的 AI 探索仍將繼續(xù)。
游戲是 DeepMind 人工智能項(xiàng)目的良好測(cè)試基地，但征服游戲并不是他們的最終目標(biāo)。Hassabis 也不止一次曾在公開場合表態(tài)，團(tuán)隊(duì)的目標(biāo)是開發(fā)類似解決生命科學(xué)問題、發(fā)現(xiàn)新材料、幫助探索宇宙的算法。按照 Hassabis 的設(shè)想，在接下來十年，AlphaGo 的迭代產(chǎn)品將成為科學(xué)家和醫(yī)學(xué)專家，與人類并肩工作，這將會(huì)有可能對(duì)我們的生活產(chǎn)生根本性的影響。
而縱觀 DeepMind 于 2018 年公開發(fā)表過的 AI 論文，不少正是其將人工智能應(yīng)用于生命科學(xué)領(lǐng)域研究的重要成果。
（來源：DeepMind）
在 DeepMind 非常關(guān)注的腦科學(xué)領(lǐng)域，今年 5 月 9 日，團(tuán)隊(duì)在世界頂級(jí)學(xué)術(shù)雜志 Nature 上發(fā)表了一項(xiàng)重磅成果，利用深度學(xué)習(xí)復(fù)現(xiàn)生物的空間導(dǎo)航能力，夠協(xié)助傳統(tǒng)的神經(jīng)科學(xué)研究來測(cè)試大腦工作原理。其開發(fā)出的的一個(gè)人工智能程序具有類似哺乳動(dòng)物一樣的尋路能力，非常類似大腦中網(wǎng)格細(xì)胞的工作原理。
另一項(xiàng) DeepMind 發(fā)布的人工智能、神經(jīng)科學(xué)跨領(lǐng)域重要成果，則是使用 AI 領(lǐng)域中的元強(qiáng)化學(xué)習(xí)框架，用來研究大腦中多巴胺在我們學(xué)習(xí)過程中起到的作用。這一新發(fā)現(xiàn)有望顛覆傳統(tǒng)的神經(jīng)科學(xué)研究方法，提供了一個(gè)全新的視角。研究發(fā)表在今年 5 月的 Nature 子刊上。
而在疾病診斷上，今年 8 月發(fā)表在 Nature Medicine 的一項(xiàng)研究中，DeepMind 和 Moorfields 眼科醫(yī)院共同開發(fā)的 AI 算法可以識(shí)別 50 多種不同的眼部疾病，且與人類臨床醫(yī)生一樣準(zhǔn)確，并且有可能通過減少檢查和診斷所需的時(shí)間來顯著改善現(xiàn)有的醫(yī)療困境。“這是一個(gè)非常令人興奮的里程碑，也是臨床醫(yī)生和技術(shù)人員共同努力的可能性的另一個(gè)跡象，”DeepMind 當(dāng)時(shí)表示。
（來源：麻省理工科技評(píng)論）
聯(lián)系客服
