科學家們一直希望通過基因序列簡單地預測蛋白質形狀——如果能夠成功，這將開啟一個洞察生命運作機理的新世界。英國DeepMind公司和美國華盛頓大學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，并將這些結構放入公開的數據庫免費供全球科研人員使用。

   據DeepMind公司報告顯示，其人工智能程序AlphaFold預測出98.5%的人類蛋白質結構，有助于深入理解一些關鍵生物學信息，從而更好開展藥物研發。相關論文2021年7月15日在線發表于《自然》。

   研究人員提供了第一個可以定期預測蛋白質結構的計算方法，即使在沒有類似結構的情況下也能達到原子級精度。研究人員在具有挑戰性的第14屆蛋白質結構預測關鍵評估（CASP14）中，驗證了這個完全重新設計的基于神經網絡的模型——AlphaFold，其在大多數情況下顯示出與實驗相競爭的準確性，并大大超過了其他方法。最新版本的AlphaFold的基礎是一種新的機器學習方法，通過利用多序列排列的方式，將有關蛋白質結構的物理和生物知識納入深度學習算法的設計中。

   美國華盛頓大學創建的高精確的蛋白質結構預測程序名叫RoseTTAFold，基于深度學習，它不僅能預測蛋白質的結構，還能預測蛋白質之間的結合形式。僅需10分鐘，RoseTTAFold就能用一臺游戲電腦準確計算出蛋白質結構。相關論文2021年7月15日刊登于《科學》。

   RoseTTAFold是一個“三軌”神經網絡，這意味著它同時考慮一維蛋白質中的氨基酸序列、二維蛋白質的氨基酸如何相互作用以及蛋白質可能的三維結構。在這種架構中，一維、二維和三維信息來回流動，從而使神經網絡能夠共同推理出蛋白質的化學部分與其折疊結構之間的關系。

   該團隊已經使用RoseTTAFold計算了數百種新的蛋白質結構，其中包括許多來自人類基因組的知之甚少的蛋白質。研究人員還生成了與人類健康直接相關的蛋白質結構，包括與非正常脂質代謝、炎癥障礙和癌細胞生長相關的蛋白質結構。這些成果都表明，RoseTTAFold可以僅用從前所需時間的很小一部分，構建出復雜生物組件的模型。■