用"α折疊"精確預測蛋白質的三維結構
人工智能（AI）又一次獲得了發展勢頭，它克服了生物學中的一個主要問題：預測蛋白質如何從線性氨基酸鏈卷曲成3D形狀來執行任務。據美國“科學”網站11月30日報道，“蛋白質結構預測關鍵評估”（CASP）大賽日前收到好消息：英國“心靈深處”表示，其人工智能已取得上述成果，他們的方法將大大加快新藥研發進程。
人體有數千種不同的蛋白質，每都含有幾十到幾百種氨基酸。這些氨基酸的排列順序決定了它們之間的相互作用，賦予蛋白質復雜的三維形態，進而決定蛋白質的功能。了解這些三維形狀將有助于研究人員設計能被困在蛋白質縫隙中的藥物。此外，合成具有所需結構的蛋白質還可以加速酶的發展，有益于生物燃料領域。
幾十年來，研究人員一直使用X射線晶體學或冷凍電鏡等實驗技術來破譯蛋白質的三維結構，但這種方法可能需要數月甚至數年的時間，而且可能不會奏效。目前，在生命中發現的2億種蛋白質中，只有17萬種被破壞。
1994年，為了更好地預測和破譯蛋白質的三維結構，馬里蘭大學結構生物學家約翰·穆特等人每兩年發起一次CASP競賽。在今年的比賽中，“深度學習”團隊的阿爾法折疊法中位數為92.4分（滿分100分，90分以上被認為與實驗方法相當），預測最具挑戰性蛋白質的平均分為87分，比次優預測高25分。它甚至擅長于預測細胞膜中蛋白質的結構，細胞膜是許多人類疾病的核心，但很難用X射線晶體學來研究。
歐洲生物信息學研究所名譽主任珍妮特·桑頓（Janet Thornton）說：“深度學習團隊的成就令人驚嘆，將改變結構生物學和蛋白質研究的未來。”
穆爾特說，這是一個有50年歷史的問題，“阿爾法折疊”已經改變了游戲規則，而實驗者也將如此能夠利用精確的結構預測來理解不透明的X射線和低溫電磁數據；藥物設計者還可以快速闡明新冠狀病毒等新興危險病原體中每種蛋白質的結構，從而更快地開發相關藥物。
