Deepmind搞了個大新聞：宣布AlphaFold系統開發成功
可能本文發出來是前天了，他們的官博上發文：
今天我們很高興能向大家分享Deepmind部門的一項新成果，這也將是我們第一次能清楚地展示，人工智慧研究對科學進步有多強大的助力。為了把最尖端的技術應用在蛋白質三維建模上(完全只以其基因序列為藍圖)，我們搜羅了結構生物學、物理學和機器學習編程等各個業界的大佬，為這項目貢獻心血。
耗時兩年，這新系統終於開發成功，名為AlphaFold(阿法浮德？)。它繪製的蛋白質三維建模，在精度上遠超此前人類所能，而生物學研究，亦會因此出現長足進步。
一種酶
什麼是蛋白質摺疊？
在微觀上，蛋白質是宏偉而複雜的分子構造體。我們的肉身，從肌腱收放、感光到消化食物為能量，幾乎所有功能的實現都可以各自追溯落實回某幾個蛋白質的移動和變形上。
一種蛋白質能做什麼，將按其獨有的結構而定。比如我們免疫系統里的抗體蛋白質，就是個Y型，會勾住病毒和病菌，為後續火力標記出這些有害的小東西；切割DNA的蛋白質形狀像剪刀；生產其他蛋白質的核糖體，自己的三維構造則像個工廠流水線。
完全只以某種蛋白質的基因序列為藍圖，構建出它的三維模型，在過去幾十年都是個棘手的難題。難點在於，雖然我們在DNA上能摳出某個蛋白質的組成公式，知道把它擀直後是什麼樣，每一節又都有什麼，可這長鏈實際上如何摺疊，我們很多時候只能科學地猜，投入海量的時間和資源，反覆驗證。
這就是蛋白質摺疊問題。蛋白質越大，它的構造和內部互動就越複雜。1969年利文索爾曾說過即使硬算到天荒地老，都無法窮盡某種典型蛋白質的構造形式，並找到對的那個，人稱利文索爾詳謬。
為什麼這問題重要？
一方面，只有知道其構造，才能知道該蛋白質準確的工位；另一方面是有多種疾病，現在都認為跟蛋白質錯疊有關，如阿茲海默、帕金森、亨廷頓病以及囊胞性纖維症。
而AlphaFold提供的高精度模型，能幫助專家們設計出更低廉有效的新療法。我們對各種蛋白質結構的知識由此能夠積累加深，也能通過這些模型模擬來摸索其運作規則，這樣，新葯的發現機會大增，而同時開發成本將降低。我們相信，最終全球將有數以百萬計的病人因此受惠。
除此之外，蛋白質摺疊問題的解決很可能還會解鎖另一條科技樹上的分支。比如可生物降解酶的進步，應該能緩解當今塑料和石油的污染問題。實際上已經有科學家在嘗試「調教」細菌，讓它們分泌出特定的蛋白質讓垃圾變得可生物降解，更容易處理。
下一步，會發生什麼？
我們在蛋白質摺疊領域的初步嘗試，已經證明機器學習系統能夠統駕馭梳理各路信息，幫助專家們便捷地就複雜問題得出解決之道。在阿法狗和阿法零身上，我們已經見證過AI能幫助人們通曉艱深遊戲的玩法。相似地，我們也希望終有一日，AI技術的突破能幫助人類解決那些根本性的科學迷題：這個宇宙的玩法。
AI在摺疊建模上帶來的進境，讓我們大家都很興奮。雖然後續還有許許多多的工作等著去磨好，才能在疾病、環保等問題上做出切實成績，但我們知道這條路上充滿了可能性。我們的團隊依然在專註深挖機器學習究竟還能在哪些方面推動科學向前，也依然在展望我們的技術能如何改變這世界的模樣。
譯：AlphaFold不知道會不會有正式譯名/俗名，阿法芙？原文中間談演算法的幾個自然段我覺得對公眾來說太硬核，我翻不好又懷疑即使翻了大部分蛋友也沒有那背景知識來吸收，所以就擱著沒翻，見諒。文章結尾有Deepmind鏈接，懂的大佬請自行去看熱鬧就好。
原文：《AlphaFold: Using AI for scientific discovery》
本文譯自 deepmind，由譯者 梁兵 基於創作共用協議(BY-NC)發布。
TAG:煎蛋 |