1972年，美國科學家克里斯蒂安·安芬森因提出“蛋白質的高級空間結構由其氨基酸序列決定”而獲得諾貝爾化學獎。
具體來說，天然蛋白質基本上由天然氨基酸以一定的組合順序排列形成，序列長度不定。天然氨基酸共有20種，化學組成和性質各不相同，它們在序列之間的相互作用決定了蛋白質折疊形成的形狀、結構。對科學家來說，氨基酸測序是比較容易完成的工作，但蛋白質三維結構解析的難度卻很大，耗時又費力。
如今，以深度學習技術為代表的人工智能已經高度融入生物科學與技術領域，并且極大地推動了生物領域的發(fā)展。近日，美國華盛頓大學、倫斯勒理工學院和哈佛大學的研究人員提出了一種升級的阿爾法折疊系統(tǒng)，其能夠“構想”出具有穩(wěn)定結構的新蛋白質。
此前，谷歌公司旗下的DeepMind研發(fā)的AlphaFold2人工智能系統(tǒng)在國際蛋白質結構預測競賽（CASP）上取得驚人的準確度，多數預測模型與實驗測得的蛋白質結構模型高度一致，引起了舉世矚目。
在阿爾法折疊出現之前，科學家只知道人體大約2萬種蛋白質中約17%的3D結構。已知的蛋白質結構是幾十年來科學家在實驗室里通過X射線結晶學和核磁共振等方法耗時耗力計算出來的。
而此次升級的阿爾法折疊更加“聰慧”。研究人員向AI提供了完全隨機的蛋白質結構的氨基酸序列，并向其中引入一些突變，直到AI神經網絡預測到它們能將其折疊成穩(wěn)定的結構為止，最終共產生了2000種全新的蛋白質序列。
可以說，阿爾法折疊近乎完美地預測了一個沒有任何同源序列的、全新設計的蛋白質的三維結構，極大地震撼了蛋白質設計科學家。這表明，深度神經網路不僅僅能夠從同源蛋白之間的進化信息獲取三維結構的特征，而且可以直接理解蛋白質序列和結構之間的復雜關系。
未來，該系統(tǒng)或可促進人們對細胞基本結構的理解，并推動更快、更先進的藥物制造進程。
