自 1950 年代發(fā)現(xiàn) DNA 以來，生物學(xué)家一直試圖將遺傳密碼的長度與一系列細(xì)胞部分和過程聯(lián)系起來——例如，為現(xiàn)在著名的 mRNA 疫苗提供動(dòng)力的特定抗體的 mRNA 轉(zhuǎn)錄。盡管自發(fā)現(xiàn) DNA 以來在測序和理解基因組方面取得了進(jìn)展，但仍然存在一個(gè)重要的缺失環(huán)節(jié)。生物學(xué)家缺乏一種僅使用其 DNA 或 RNA 源代碼來準(zhǔn)確有效地預(yù)測未知蛋白質(zhì) 3D 形狀的方法。在生物學(xué)中，結(jié)構(gòu)決定功能。蛋白質(zhì)在細(xì)胞中的作用取決于它的形狀。具有中空中間的圓柱形是良好的膜受體，而 U 形成酶在其峽灣狀的空腔中催化化學(xué)反應(yīng)。

但 70 多年來，科學(xué)家們一直堅(jiān)持使用緩慢的方法，這些方法會(huì)使計(jì)算機(jī)緊張，并在很大程度上依靠自己的猜測來梳理蛋白質(zhì)的結(jié)構(gòu)。盡管知道構(gòu)成每種蛋白質(zhì)的組成部分的每種氨基酸的 DNA 代碼段是什么，但生物學(xué)家仍缺乏可重復(fù)的、可推廣的公式來解決這個(gè)所謂的“蛋白質(zhì)折疊問題”。他們需要系統(tǒng)地了解任何一串氨基酸，一旦連接起來，將如何折疊成 3 維持形狀，以解開浩瀚的蛋白質(zhì)世界。

資料來源：DeepMind

2020 年，谷歌的 AI 團(tuán)隊(duì) DeepMind 宣布其算法AlphaFold已經(jīng)解決了蛋白質(zhì)折疊問題。起初，大多數(shù)人都對這一驚人的突破感到興奮，科學(xué)家們隨時(shí)準(zhǔn)備測試一種新工具，也讓一些人感到有趣。畢竟，這不是幾年前AlphaGo在中國戰(zhàn)略游戲圍棋中擊敗世界冠軍的同一家公司嗎？掌握一個(gè)比國際象棋更復(fù)雜的游戲，雖然難度很大，但與蛋白質(zhì)折疊的問題相比，感覺微不足道。但是 AlphaFold 通過一年一度的競賽證明了它的科學(xué)勇氣，在該競賽中，生物學(xué)家團(tuán)隊(duì)僅根據(jù)蛋白質(zhì)的遺傳密碼猜測蛋白質(zhì)的結(jié)構(gòu)。該算法遠(yuǎn)遠(yuǎn)超過了它的人類競爭對手，發(fā)布了預(yù)測最終形狀的分?jǐn)?shù)在一埃內(nèi)，單個(gè)原子的寬度。不久之后，AlphaFold 通過正確預(yù)測SARS-CoV-2“刺突”蛋白的形狀，通過了第一次真實(shí)世界的測試，該蛋白是疫苗靶向的病毒明顯的膜受體。

來源：自然

AlphaFold 的成功很快就變得不可忽視，科學(xué)家們開始在他們的實(shí)驗(yàn)室中試用該算法。到 2021 年，《科學(xué)》雜志將 AlphaFold 的開源版本加冕為“年度最佳方法”。生物化學(xué)家和《科學(xué)》雜志的主編 H. Holden Thorp在 一篇社論中寫道：“就科學(xué)成就和未來研究的支持而言，蛋白質(zhì)折疊方面的突破是有史以來最偉大的突破之一。” 如今，AlphaFold 的預(yù)測非常準(zhǔn)確，以至于蛋白質(zhì)折疊問題被認(rèn)為已解決經(jīng)過 70 多年的探索。雖然蛋白質(zhì)折疊問題可能是迄今為止人工智能在科學(xué)領(lǐng)域最引人注目的成就，但人工智能正在許多科學(xué)領(lǐng)域悄然發(fā)現(xiàn)。