我是斜杠青年，一个热爱前沿科学的杂食学者！
人工智能公司DeepMind仅用18个月就预测了科学上几乎所有已知蛋白质的结构，从而改变了生物学。这一突破将加速药物开发，彻底改变基础科学。
预测蛋白质的结构是生物学中的巨大挑战之一。
DeepMind预测了迄今为止科学编目的几乎所有蛋白质的结构。多亏了一种名为AlphaFold的人工智能，它在短短18个月内打破了生物学的一大挑战。研究人员表示，这项工作已经在抗击疟疾、抗生素耐药性和塑料垃圾方面取得了进展，并可能加快新药的发现。
几十年来，根据蛋白质的氨基酸序列来确定蛋白质的褶皱形状一直是生物学中的一个老大难问题。有些氨基酸被其他吸引，有些被水排斥，链形成复杂的形状，很难准确确定。
总部位于英国的人工智能公司DeepMind在2020年底首次宣布，它已经开发出一种精确预测折叠蛋白质结构的方法。到中期，它显示已经绘制了人体使用的98.5%的蛋白质。
今天，该公司宣布，它正在公布超过2亿种蛋白质结构——几乎所有的蛋白质结构都被编入全球公认的蛋白质研究库UniProt。
Deep与欧洲生物信息学研究所的欧洲分子生物学实验室合作，创建了一个所有这些信息的可搜索存储库，世界各地的研究人员可以轻松、免费地访问这些信息。EMBL-EBI大学的伊万·伯尼称AlphaFold蛋白质结构数据库是“给人类的礼物”。
Ewbirney是“一个自20世纪90年代以来一直从事基因组学和计算生物学的人。
结果已经出来了。
DeepMind的首席执行官戴密斯·哈萨比斯表示，该数据库使找到蛋白质的结构“几乎像谷歌搜索一样容易”。谷歌母公司Alphabet旗下的DeepMind。
科学家利用这个档案来促进某些领域的研究。牛津大学的马特·希金斯和他的同事正在研究一种蛋白质。他们认为这种蛋白质是中断疟原虫生命周期的关键，但他们正在试图绘制其结构。
希金斯说:“他们使用的实验方法之一是X射线晶体学。”他们让蛋白质形成一个晶格，发射X射线，并从这些X射线衍射图案中获得信息，以了解分子的样子。然而，尽管多年的工作，他们一直无法看到这个分子看起来足够详细。"
但当AlphaFold发布时，它清楚地预测了蛋白质的结构，这与研究人员可以收集的信息相匹配。现在他们可以设计一种新的蛋白质，他们希望这些蛋白质可以用作有效的疟疾疫苗。
用X射线结晶学绘制蛋白质结构图既昂贵又费时。“这意味着实验者必须对他们所做的事情做出选择，而AlphaFold则不必如此。”我们完全可以相信，由于AlphaFold，将会产生新的实验和新的见解。例如，这将影响“这种特定的寄生虫是如何工作的”或“为什么这种特定的疾病会发生在人类身上”。
研究人员还使用AlphaFold设计新的酶来分解塑料垃圾，并了解更多关于使细菌对抗生素产生耐药性的蛋白质。
这项工作还有待完成。
伦敦帝国理工学院(Imperial College London)的基思·威廉森(Keith Willison)表示，AlphaFold无疑“改变了”生物学研究的世界，但在蛋白质折叠方面仍有问题需要解决。
“AlphaFold出来后，你现在只需要拿着你最喜欢的蛋白质去查找它们，而不是制作晶体。”基思·威廉森(Keith Willison)做出了蛋白质复合物的晶体结构，这花了他大约8年的时间。很多人开玩笑说晶体学家会失业。"
然而，威廉森指出，AlphaFold无法接受任意的氨基酸字符串，也无法准确模拟它们的折叠模式。相反，它只能利用蛋白质的一部分和实验确定的结构来预测新蛋白质如何折叠。
虽然该工具通常非常精确，但其结构始终是预测，而不是显式的计算结果。AlphaFold并没有解决复杂相互作用的蛋白质，甚至留下了少量凹陷的结构。这些结构被称为本质上无序的蛋白质，这些结构似乎具有不稳定和不可预测的折叠模式。
一旦发现一件事，就会有更多的疑问。其实生物很复杂，挺吓人的。
伦敦大学学院的Tomek Wlodarski表示，AlphaFold对生物学的许多领域产生了巨大影响，但在准确性方面仍有改进。开发蛋白质如何折叠其模型——而不仅仅是预测其最终结构——是DeepMind尚未解决的问题。
AlphaFold并不完美，虽然它确实显示了哪些部分的预测准确率高，哪些部分缺乏信心。
“当你引入一个突变时，你知道它在实验上完全展开了蛋白质，但AlphaFold给你的是没有这个突变的相同结构。”Wlodarski做了另一个测试:他正在去除蛋白质一端的残基，因为我们知道，对于我们的蛋白质，如果你从一端切掉9个残基，它会完全展开蛋白质。Wlodarski设法切掉了一半的蛋白质序列，算法仍然预测到了结构相同的完全折叠的蛋白质。所以有这些问题。"
DeepMind科学团队负责人Pushmeet Kohli表示，该公司尚未使用蛋白质，正在努力提高AlphaFold的准确性和功能。
“我们知道蛋白质的静态结构，但这不是游戏的结束。”我们想知道这些蛋白质如何表现，它们动力学是什么，以及它们如何相互作用。然后是基因组学的另一个领域。我们想知道生命的公式如何转化为蛋白质的生产，它们是何时产生的，以及细胞是如何工作的。"
如果你喜欢前沿科学，关注我是你最好的选择！
扩展阅读:
谷歌的蛋白质折叠AI AlphaFold几乎把它们都破解了。
我们可以从五个方面来思考“时间旅行”！
科普视频:
计算机已经解决了一个主要的时间旅行问题。
人类宇宙由32万亿个细胞组成
