独家专访DeepMind CEO哈萨比斯：我们将看到一种全新的科学复兴( 四 ) 近日

在某种程度上，这两个问题并没有太大不同。就像围棋一样，蛋白质折叠是一个极其复杂的组合问题，这是暴力计算方法无法比拟的。围棋和蛋白质折叠的另一个共同之处是，可以获得关于如何解决问题的大量数据。
其中， AlphaGo使用了自己在过去积累的经验；AlphaFold使用了蛋白质数据库中现有的蛋白质结构（蛋白质数据库是一个国际数据库，包含了生物学家几十年来不断增加的已解决的结构）。
另据悉， AlphaFold2使用注意力网络（AttentionNetworks），这是一种标准的深度学习技术，可以让AI专注于输入数据的特定部分。这项技术支撑着像GPT-3这样的语言模型，它将神经网络导向句子中的相关单词。类似地， AlphaFold2被导向序列中的相关氨基酸，例如在折叠结构中可能在一起的氨基酸对。
史蒂文斯说：“他们把生物学家几十年来一直在推动的所有东西结合在一起，然后在AI领域轻松击败了参与CASP的其他技术。 ”

文章图片
（来源：DeepMind官网）
AlphaFold已被用于各类研究

文章图片
过去一年里， AlphaFold2的影响力逐渐扩大。 DeepMind已经发布了该系统的详细工作原理，并发布了源代码。该公司还与欧洲生物信息学研究所（EuropeanBioinformaticsInstitute）建立了一个公共数据库，该数据库正在填充AI预测的新的蛋白质结构，目前有大约80万个条目， DeepMind表示明年将增加超过1亿个条目——几乎是科学已知的所有蛋白质。
英国AI药物研发公司Exscientia的首席科学家、牛津大学蛋白质信息学实验室负责人夏洛特·迪恩（CharlotteDeane）表示，许多研究人员仍未完全理解DeepMind的成就。迪恩也是DeepMind去年在科学期刊Nature上发表AlphaFold的论文的审稿人之一，她说：“它改变了你可以问的问题。 ”
世界各地的一些团队已经开始在抗生素耐药性、癌症和新冠病毒等研究中使用AlphaFold 。费城福克斯蔡斯癌症中心的罗兰·邓布拉克（RolandDunbrack）是早期使用者之一，其领导的团队多年来一直在使用计算机预测蛋白质结构。
AlphaFold为邓布拉克的工作带来了前所未有的准确性，他说：“它们足够精确，可以做出生物学判断，解释癌症基因的突变。我们之前一直尝试用电脑生成模型，但经常出错。 ”
邓布拉克说，现在当同事们请他为蛋白质建模时，他对他所提供的东西更有信心了。他说， “（不然）我真的很紧张，担心他们会回来找我说， ‘我们的钱都打水漂了，你的模型很糟糕——它没有用。 ’”
邓布拉克表示， AlphaFold仍然会出错。但当它运行良好时，很难区分它的预测和实验室产生的结构之间的区别。他在一个名为ColabFold的计算机平台上运行AlphaFold预测，该平台由哈佛大学支持并在GoogleGPU上运行。他说：“每天晚上睡觉前，我都会配置一个预测，运行它要花上几个小时。 ”

文章图片
（来源：DeepMind官网）
即使是最好的AI也会出现愚蠢的错误

文章图片
“这是一个非常有用的工具，我实验室里的每个人都在使用。 ”加州大学旧金山分校的结构生物学家克利门特·维巴（KlimentVerba）说。维巴主要研究癌症，但在COVID-19大流行的最初几周，他加入了一个由研究SARS-CoV-2病毒的研究人员组成的松散联盟，他想弄清楚SARS-CoV-2病毒的蛋白质是如何劫持宿主蛋白质的。