照亮整個(gè)蛋白質(zhì)宇宙：DeepMind“順手”放的大招，要一舉攻克漸凍人癥
加入技術(shù)交流群
漸凍人癥，這個(gè)陪伴了傳奇物理學(xué)家史蒂芬·霍金終生的罕見(jiàn)病，也已經(jīng)困擾了醫生和生物科學(xué)家數十年的時(shí)間。
而答案可能就在核孔蛋白 (neucleoporins) 上。具體來(lái)說(shuō)，學(xué)者們認為漸凍人癥和核孔蛋白組成的核孔復合體有著(zhù)極強的關(guān)聯(lián)，而這個(gè)復合體控制著(zhù)細胞核與細胞質(zhì)之間的物質(zhì)傳遞。如果能夠進(jìn)一步了解核孔蛋白，我們就有可能找到根治漸凍人癥的答案。
然而想得到這個(gè)答案并不容易：核孔復合體由超過(guò)1000條30多種不同的核孔蛋白組成，這些蛋白質(zhì)以極其復雜的方式相互交錯在一起；更別提單條蛋白的大小可能只有數納米，即便通過(guò)最先進(jìn)的顯微鏡技術(shù)也很難進(jìn)行有效的觀(guān)察，給生物學(xué)者造成了極大的障礙。
2019年，剛加入哈佛大學(xué)吳皓實(shí)驗室的 Pietro Fontana，就領(lǐng)到了核孔蛋白這個(gè)天文級難題。
他不是第一個(gè)嘗試吃螃蟹的人，前人在這件事上已經(jīng)用盡了各種研究手段，付諸數十年的心血。但是 Fontana 有強援在手：AlphaFold，由英國人工智能科研公司 DeepMind 開(kāi)發(fā)的蛋白質(zhì)預測模型。
沒(méi)過(guò)多久，在 AlphaFold 的幫助下，Fontana 的研究就取得了關(guān)鍵性的進(jìn)展：他們不僅成功預測出了之前沒(méi)有被探究清楚的一批核孔蛋白的結構，還首次繪制出了核孔復合體的胞質(zhì)環(huán) (cytoplasmic ring) 的模型圖。這一研究在今年剛剛獲得《科學(xué)》期刊刊登。
AlphaFold 協(xié)助預測的核孔蛋白組成的胞質(zhì)環(huán) 圖片來(lái)源：DOI: 10.1126/science.abm9326
這一歷史性的生物信息學(xué)突破，為攻克像漸凍人癥等罕見(jiàn)、難治的神經(jīng)退行性疾病疾病，重新點(diǎn)亮了希望。
“我認為 AlphaFold 已經(jīng)完全改變了結構生物學(xué)，” Fontana 表示。
有意思的是，這么個(gè)如此重要的發(fā)現和研究，其實(shí)對于 AlphaFold 來(lái)說(shuō)倒像是一件“順手”的事。
| 蛋白質(zhì)數據庫實(shí)現千倍擴容，成為“蛋白質(zhì)宇宙”
這么說(shuō)是因為：截至目前地球上已知的所有生物總共2.14億種蛋白質(zhì)，其結構都已經(jīng)被 AlphaFold 預測出來(lái)了。
值得一提的是，DeepMind 的研究進(jìn)展速度之快，AlphaFold 的效果之好，已經(jīng)遠超“令人震驚”的水平。
首先，去年該公司首次發(fā)布并開(kāi)源了 AlphaFold 模型，當時(shí)它只預測出了人類(lèi)的98%，以及其它大約1萬(wàn)種生物的部分蛋白質(zhì)，條數只有100萬(wàn)左右——當時(shí)這一研究已經(jīng)入選了《自然》年度十大科學(xué)事件。
僅一年后，這個(gè)數據庫就實(shí)現了200倍擴容：
圖片來(lái)源：DeepMind更厲害的是，現在這個(gè)數據庫已經(jīng)覆蓋了動(dòng)物、植物、細菌、真菌等幾乎所有已經(jīng)被科學(xué)記錄的物種，總計大約100萬(wàn)種。其中80%的的預測結構結果的置信度已經(jīng)足以支持研究實(shí)驗的水平，更是有35%的結果置信度為高。
圖片來(lái)源：DeepMind此次 AlphaFold 放出的“全量蛋白質(zhì)結構預測數據庫”，和之前人類(lèi)手工測量的數據庫相比，更是實(shí)現了1000倍的擴容。在此之前通過(guò)標準實(shí)驗方式測量出的蛋白質(zhì)結構，都存放在“蛋白質(zhì)數據****” (PDB) 計劃的數據庫里，今天這個(gè)數據庫的條目只有19萬(wàn)條。
這簡(jiǎn)直是為結構生物學(xué)，生物信息學(xué)、醫****開(kāi)發(fā)等領(lǐng)域，送上了一份驚天大禮包——更別提數據庫還是完全免費、開(kāi)放、可搜索的：
這一最新版的 AlphaFold 數據庫，可以說(shuō)其中超過(guò)99%的蛋白質(zhì)結構在此之前都是未知的。而現在人類(lèi)對于蛋白質(zhì)結構的知識突然獲得了200倍的增長(cháng)，可想而知未來(lái)的更多生物學(xué)和醫學(xué)進(jìn)展將會(huì )更加頻繁，許多肆虐幾百年的疾病有望得到“根治"，許多存在了幾十年的生物學(xué)難題也將得到破解。斯克里普斯研究所（世界頂級醫學(xué)研究機構）創(chuàng )始人 Eric Topol 直言：
“AlphaFold 照亮了幾乎整個(gè)蛋白質(zhì)宇宙。”
| 幾分鐘破解世界級生物難題
很多細菌都能引發(fā)人類(lèi)疾病，為了壓制細菌人類(lèi)發(fā)明了抗生素。然而作為一種微生物，細菌自己能通過(guò)自然選擇進(jìn)化的方式獲得抵抗抗生素的能力。結果就是一些人們以為“無(wú)害”的，已經(jīng)被攻克的病原體，突然就重新成為了人類(lèi)的大敵。比如麻風(fēng)病，接種疫苗只有有限預防效果，現在仍然在全球傳播，感染數十萬(wàn)人，且需要長(cháng)期服****治療。
而兩位來(lái)自美國科羅拉多大學(xué)博爾德分校的生物學(xué)家，希望通過(guò)最“治本”的方式試圖解決抗生素抗****性。該校生物化學(xué)系教授 Marcelo Sousa 透露，他們的研究目標是定位到那些促使產(chǎn)生抗****性的酶鏈，了解這些酶的蛋白質(zhì)結構，然后進(jìn)行“定點(diǎn)精確打擊”。
然而分離和提純這些酶已經(jīng)非常艱難，就算提純出來(lái)，研究者發(fā)現想要了解它們的結構更是難上加難。
由于預測蛋白質(zhì)結構的工作，在過(guò)去需要通過(guò)X射線(xiàn)晶體衍射、冷凍電鏡等實(shí)驗室技術(shù)，基本上只能人工進(jìn)行，Sousa 等人在這一研究上已經(jīng)花了十年的時(shí)間，不知道還要多久——如果不是因為 AlphaFold 的出現。
研究團隊成員 Marcelo Sousa 和 Megan Mitchel 圖片來(lái)源：DeepMind
通過(guò) AlphaFold 提供的基準預測模型，結合團隊已經(jīng)從提純的酶晶體上獲得的數據，團隊在這些酶的序列和結構預測上大獲成功。在 AlphaFold 的幫助下，不僅預測速度有了極大提升，預測結果的準確程度更是十分準確。
“這個(gè)難題花了我們10年的時(shí)間都沒(méi)有做到，現在居然只用30分鐘就解決了，”Sousa 對 AlphaFold 贊嘆不已。接下來(lái)，團隊可以繼續通過(guò) AlphaFold 預測出的結果，進(jìn)一步研究這條酶鏈在抗****性形成中所扮演的角色，并且找到突破口。
“我們已經(jīng)了解了這個(gè)鏈條當中的各種酶，現在我們只要能夠打破其中一環(huán)，就可以破解整個(gè)抗****性的難題，”研究人員 Megan Mitchel 表示。
Sousa 則表示，AlphaFold 將對新****發(fā)現帶來(lái)巨大的積極效果。
Marcelo Sousa 展示 AlphaFold 預測出的目標酶蛋白質(zhì)結構 圖片來(lái)源：DeepMind
這只是 AlphaFold 將要幫助解決的一件“小事”。據 DeepMind 透露，目前全球已經(jīng)有超過(guò)50萬(wàn)研究人員在使用 AlphaFold 數據庫，這些前所未有的蛋白質(zhì)結構預測數據，已經(jīng)被用于尋找包括漸凍人等不治之癥的治療方案、徹底解決麻風(fēng)病和血吸蟲(chóng)病的肆虐、發(fā)現新****、保護種植業(yè)、開(kāi)發(fā)高效降解塑料垃圾的殺手锏等。
“我們希望這個(gè)數據庫能夠幫助無(wú)數更多的科學(xué)家，并且在科學(xué)探索上開(kāi)啟全新的道路，”DeepMind 創(chuàng )始人兼 CEO Demis Hassabis 表示，
“就像數學(xué)是物理學(xué)的完美解釋語(yǔ)言一樣，我們相信 AI 是應對生物學(xué)復雜動(dòng)態(tài)問(wèn)題的完美工具。”
| 附錄：AlphaFold 大事記以下內容均來(lái)自于 DeepMind 網(wǎng)站：
2016年：一個(gè)隊伍成為明星，另一個(gè)隊伍開(kāi)始組建
當年，DeepMind 的圍棋 AI 程序 AlphaGo 在首爾的一場(chǎng)挑戰賽中，擊敗了傳奇的圍棋選手李世乭。在 DeepMind 公司內部，這一關(guān)鍵性事件證明了該公司的 AI 技術(shù)已經(jīng)足夠先進(jìn)，有可能應用到解決其它科學(xué)挑戰當中，比如蛋白質(zhì)折疊這一存在了50年的挑戰當中。
不久之后，DeepMind 就在內部建立了一個(gè)小型團隊，開(kāi)始嘗試使用深度神經(jīng)網(wǎng)絡(luò )技術(shù)進(jìn)行蛋白質(zhì)結構預測。
圖片來(lái)源：DeepMind
2018年：AlphaFold 性能的首次公開(kāi)測試
AlphaFold 的性能在 CASP13 蛋白質(zhì)結構預測比賽中排名第一，相關(guān)的方法隨后發(fā)表在《自然》期刊上。DeepMind 在內部擴充了 AlphaFold 團隊，正式開(kāi)始了打造這個(gè)創(chuàng )新的新系統。
圖片來(lái)源：DeepMind2020年：解決了生物學(xué)50年難題
AlphaFold 在 CASP14 蛋白質(zhì)結構預測比賽中再次以三倍的巨大優(yōu)勢勝出，并且準確性已經(jīng)接近于X射線(xiàn)晶體衍射、冷凍電鏡等標準實(shí)驗方法。更厲害的是，在這次比賽上，AlphaFold 得到 CASP 舉辦方認定，破解了50年都未曾解開(kāi)的蛋白質(zhì)折疊難題?！蹲匀弧菲诳苯釉u價(jià)這一事件“改變了一切”。
同年12月，Demis Hassabis 和 AlphaFold 項目主管 John Jumper 公開(kāi)承諾，將對外開(kāi)放 AlphaFold。
圖片來(lái)源：CASP2021年：一邊創(chuàng )造歷史，一邊全面開(kāi)源
DeepMind 在去年兌現了開(kāi)放 AlphaFold 的承諾。該公司在《自然》發(fā)表論文，公開(kāi)了 AlphaFold 研發(fā)過(guò)程中采用的詳細方法，并且開(kāi)源了相關(guān)代碼，提供了60頁(yè)詳細補充資料。
去年7月， DeepMind 再次發(fā)表論文，展示 AlphaFold 已經(jīng)成功預測了整個(gè)人類(lèi)蛋白質(zhì)組。這一發(fā)表讓已知的高置信度人類(lèi)蛋白質(zhì)結構數量翻了一倍。該公司和歐洲分子生物學(xué)實(shí)驗室 (EMBL-EBI) 合作公開(kāi)了數據庫，包括人類(lèi)蛋白質(zhì)組以及另外20種模式生物（受到廣泛研究的生物）的蛋白質(zhì)組，總共超過(guò)35萬(wàn)條。
圖片來(lái)源：DeepMind
去年10月，DeepMind 發(fā)布了一個(gè)修改版的子模型，名為“AlphaFold-Multimer”，專(zhuān)門(mén)用于蛋白質(zhì)復合物的結構預測。隨后在11月，該公司將相關(guān)子模型代碼整合到 AlphaFold 二代代碼當中，顯著(zhù)提高了多鏈蛋白質(zhì)結構的預測準確度。
同年12月，DeepMind 向 AlphaFold數據庫當中增加了超過(guò)40萬(wàn)條蛋白質(zhì)結構。
2022年：數據庫持續幾何級增長(cháng)
今年1月，DeepMind 宣布已經(jīng)有超過(guò)30萬(wàn)研究者使用了 AlphaFold數據庫，并且添加了超過(guò)27個(gè)蛋白質(zhì)組，總計超過(guò)19萬(wàn)條蛋白質(zhì)結構預測數據。這次添加的重要性在于其中17個(gè)蛋白質(zhì)組都和被忽視熱帶疾病有關(guān)，影響全球十多億人。
7月（本次），DeepMind 將 AlphaFold 數據庫從近100萬(wàn)條擴展到2.14億條，覆蓋了人類(lèi)已知的絕大多數蛋白質(zhì)（也即 UniProt 蛋白質(zhì)數據庫的大部分內容）
*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。
物聯(lián)網(wǎng)相關(guān)文章:物聯(lián)網(wǎng)是什么