预测蛋白质的结构是生物学的重大挑战之一
DeepMind预测了迄今为止被科学分类的几乎每一种蛋白质的结构，这样的成果得益于AlphaFold的人工智能，它在短短18个月内就破解了生物学的一大挑战。研究人员说，这项工作已经在抗击疟疾、抗生素耐药性和塑料废物方面取得了进展，并可能加快新药物的发现。
根据蛋白质组成氨基酸的序列来确定蛋白质的折叠形状，这是几十年来生物学中一直存在的一个问题。这些氨基酸中，有些会相互吸引，有些会被水排斥，这些链形成了复杂的形状，很难准确地确定。
总部位于英国的人工智能公司DeepMind在2020年底首次宣布开发了一种准确预测折叠蛋白质结构的方法，到2021年中期，该公司透露，它已经绘制了人体中98.5%的蛋白质结构。
今天，DeepMind宣布将公布超过2亿种蛋白质的结构，这些蛋白质几乎所有都在全球公认的蛋白质研究库UniProt中。
DeepMind与欧洲分子生物学实验室的欧洲生物信息学研究所(EMBL-EBI)合作，创建了一个所有这些信息的可搜索存储库，世界各地的研究人员可以轻松自由地访问这些信息，EMBL-EBI的Ewan Birney称AlphaFold蛋白质结构数据库是“送给人类的礼物”。
Ewan Birney说：“作为一个自上世纪90年代以来一直从事基因组学和计算生物学研究的人，我看到过很多这样的时刻，你可以感觉到你脚下的环境正在发生变化，新的资源正在提供，而这是最快的时刻之一。我的意思是，两年前，我们根本没有意识到这是可行的。”
目前的交付成果
DeepMind的首席执行官Demis Hassabis表示，该数据库使寻找蛋白质结构变得“几乎和搜索谷歌一样简单”，而在此之前，寻找蛋白质结构往往需要数年时间。
这些档案已经被科学家用来推进许多领域的研究，牛津大学的马Matt Higgins和他的同事正在研究一种蛋白质，他们认为这种蛋白质是中断疟原虫生命周期的关键，但他们难以绘制其结构。
Higgins说：“我们使用的实验方法之一是x射线晶体学，我们使蛋白质形成晶格，向它们发射x射线，从这些x射线衍射模式中获得信息，看看分子是什么样子的。但是，尽管经过多年的研究，我们始终未能充分了解这个分子的详细情况。”
但当AlphaFold发布时，它给出了与研究人员收集到的信息相匹配的蛋白质结构的明确预测。他们现在已经能够设计出新的蛋白质，他们希望这种蛋白质可以作为一种有效的疟疾疫苗。
Birney表示，使用x射线晶体学来绘制蛋白质的结构既昂贵又耗时，他说：“这意味着实验人员必须对他们要做的事情做出选择，而AlphaFold不必做出选择。我们可以自信地认为，AlphaFold将带来新的实验和新的见解，例如，它将影响‘这种特定的寄生虫如何工作’或‘这种特定的疾病为什么会发生在人类身上’。”
研究人员还利用AlphaFold设计了新的酶来分解塑料垃圾，并了解更多使细菌对抗生素产生耐药性的蛋白质。
未来还有工作要做
伦敦帝国理工学院的Keith Willison说，AlphaFold无可争议地“改变了生物学研究的世界”，但在蛋白质折叠方面仍有一些问题有待解决。
“AlphaFold一问世就非常棒。现在你只需要把你最喜欢的蛋白质拿出来查一查，而不必制造晶体。我做了蛋白质复合物的晶体结构，这花了我大约8年的时间。人们开玩笑说晶体学家要失业了。”
但是，Willison指出，AlphaFold无法选取任意一串氨基酸，并精确地模拟它们的折叠方式。相反，它只能利用部分蛋白质及其结构通过实验确定来预测新蛋白质的折叠方式。
虽然这个工具经常，甚至通常非常准确，它的结构总是预测，而不是明确计算的结果。AlphaFold还没有解决蛋白质之间的复杂相互作用，甚至没有在一个被称为内在无序蛋白质的结构子集上取得进展，这些结构似乎具有不稳定和不可预测的折叠模式。
Willison说：“一旦你发现了一件事，就会出现更多的问题，事实上，生物学是如此复杂，这非常可怕。”
伦敦大学学院的Tomek Wlodarski说，AlphaFold已经对生物学的许多领域产生了巨大的影响，但在准确性方面还有待改进，而且开发蛋白质如何折叠的模型，不仅仅是预测它们的最终结构，这是DeepMind尚未解决的问题。
Wlodarski说，AlphaFold并不是完美的，尽管它确实表明了预测的哪些部分具有较高的准确性，而哪些部分缺乏信心。
Wlodarski说：“我们引入了一种突变，我们知道这在实验上完全展开了蛋白质，但AlphaFold给我的结构与没有这种突变时一样。我做了另一个测试：我从蛋白质的一端去除残留物，因为我们知道，如果你从其中一端切下9个残留物，蛋白质就会完全展开。我成功地切掉了一半的蛋白质序列，算法仍然预测它是一个完全折叠的蛋白质，具有完全相同的结构，所以存在这一些问题。”
DeepMind科学团队的负责人Pushmeet Kohli表示，该公司还没有完成对蛋白质的研究，正在努力提高AlphaFold的准确性和功能。
Pushmeet Kohli说：“我们知道蛋白质的静态结构，但这并不是游戏结束的地方，我们想要了解这些蛋白质的行为方式，它们的动力学是什么，它们如何与其他蛋白质相互作用。然后还有基因组学的另一个领域，我们想了解生命的配方如何转化为产生哪些蛋白质，它们是什么时候产生的，以及细胞的工作情况。”
随着这一新增加的结构照亮了几乎整个蛋白质宇宙，人们可以期待每天有更多的生物之谜被解开。
