近日，美國華盛頓大學和英國DeepMind公司分別公布了多年工作的成果：先進的建模程序，可以預測蛋白質和一些分子復合物的精確三維原子結構。其中一個研究小組報告說，他們已經(jīng)使用最新開發(fā)的人工智能(AI)程序預測了來自人類和20種模式生物的35萬種蛋白質結構——如大腸桿菌、酵母和果蠅。未來幾個月里，他們計劃將所有已編目的蛋白質列入模型蛋白質名單，大約有1億個分子。
“這是相當驚人的。”美國馬里蘭大學蛋白質專家John Moult說，他每兩年舉辦一次名為“關鍵的蛋白質結構預測方法”(CASP)的比賽。Moult表示，幾十年來，結構生物學家一直夢想有一天，計算機模型能增加從X射線晶體學等實驗方法中獲得的極精確蛋白質形狀的數(shù)量。“我從沒想過這個夢想會成真。”Moult說。
這一名為AlphaFold的模型是DeepMind公司研究人員的成果，DeepMind是一家隸屬于谷歌母公司Alphabet的英國AI公司。2020年，AlphaFold“橫掃”了CASP。但是DeepMind研究人員沒有透露繪制蛋白質形狀的理論細節(jié)，特別是AlphaFold的底層計算機代碼。
這種情況已開始改變。7月15日，華盛頓大學的Minkyung Baek和David Baker研究小組報告說，他們創(chuàng)建了一個名為RoseTTAFold的高度精確的蛋白質結構預測程序，并公開發(fā)布了該程序。相關成果在線發(fā)表于《科學》。與此同時，《自然》發(fā)表了一篇由DeepMind研究人員Demis Hassabis和John Jumper撰寫的論文，公布了AlphaFold的細節(jié)。
兩個程序都使用AI在龐大的蛋白質結構數(shù)據(jù)庫中識別折疊模式。這些程序通過考慮蛋白質中相鄰氨基酸相互作用的基本物理和生物學規(guī)則，計算出未知蛋白質最可能的結構。論文顯示，Baek和Baker使用RoseTTAFold創(chuàng)建了一個包含數(shù)百個G蛋白偶聯(lián)受體(一類常見的藥物靶點)的結構數(shù)據(jù)庫。
而DeepMind研究人員創(chuàng)造了35萬個預測結構，是以前實驗方法得到的結果的兩倍多。研究人員表示，AlphaFold產(chǎn)生了近44%的人類蛋白質結構，涵蓋了人類基因組編碼的近60%的氨基酸。AlphaFold確定許多其他人類蛋白質是“無序的”，這意味著它們的形狀不是單一結構。
此外，DeepMind與歐洲分子生物學實驗室合作共建了一個新的蛋白質預測數(shù)據(jù)庫，可以在網(wǎng)上免費訪問。“能提供這種服務真是太棒了。” Baker說，“這真的會加快研究步伐。”因為蛋白質的3D結構在很大程度上決定了它的功能，所以這一數(shù)據(jù)庫便于生物學家厘清數(shù)千種未知蛋白質是如何工作的。(文樂樂)
營業(yè)執(zhí)照公示信息