独家专访DeepMind CEO哈萨比斯：我们将看到一种全新的科学复兴( 五 ) 近日

维巴和他的同事已经为他们感兴趣的病毒蛋白生成了部分结构，但仍然缺少一部分。许多蛋白质都拥有多个结构域。结构域是蛋白质中密集折叠的单元，一般每个结构域有几百个氨基酸长，而且每个结构域都有着自己单独的功能。一个结构域可能与DNA结合，另一个结构域可能与另一个蛋白质结合，以此类推。邓布拉克说：“它们就像是多头野兽。 ”
从结构上讲，域就像一根绳子上的结，由松散的、缠绕在一起的线连接起来。在维巴正在研究的蛋白质中，其团队已经弄清楚了绳子的粗略形状，但还没有弄清楚所有绳结的详细结构。没有这些细节，他们就无法解释它是如何工作的。
不过，他们意识到，这种蛋白质是DeepMind已经在AlphaFold上运行并在网上共享的蛋白质之一。 AlphaFold的预测并不完美，它卷起来的线不太对，但它具有蛋白质的四个结构域的形状，研究人员利用AlphaFold对这些结构域预测，并根据它们的大致形状将它们排列起来，这已经非常接近。
维巴说：“我清楚地记得我看到它的那一刻，这是惊人的。我们现在是世界上唯一拥有完整结构的公司。 ”他们很快发表了关于此次科学发现的相关出版物。
维巴认为AlphaFold的优势在于找到尚未被充分研究的蛋白质结构。他说：“许多我们关心的蛋白质已经被研究了几十年，很多人将毕生精力投入其中，所以我们对它们的样子有了相当好的了解。 ”但这仍然留下了许多未知领域。
例如，维巴对激酶很感兴趣，激酶是一种在调节细胞正常功能中起着关键作用的酶。如果它们停止正常工作，可能会导致癌症。人体中大约500种激酶，只有大约一半被充分了解过，其余的被称为黑暗激酶。
像维巴和邓布拉克这样的研究人员，对于开发针对激酶的抗癌药物很感兴趣，而这正是AlphaFold的局限性所在。
因为在实验室中研究蛋白质的结构成本很高，通常只有在蛋白质被选为有希望的候选者时才会进行，而这可能需要几个月的药物发现过程。迪恩表示， AlphaFold希望能够扭转这一局面，以便加速该过程。她说：“现在我可以从结构开始，确定它的表面哪里有识别位点，以及哪里是可以结合药物分子的地方。 ”
然而，正如迪恩承认的那样，要完全理解药物和蛋白质之间的相互作用，不仅需要一个静态结构。蛋白质不会静止不动，它们的结构可通过微妙的重新配置进行循环。维巴说：“很多时候，这些小的转变是生物功能的关键。 ”
更重要的是，一种蛋白质可能在一种状态下接受药物，而在其他状态下则不接受。从研究人员目前所看到的情况来看， AlphaFold似乎只预测了这些结构最常见的状态，而这对于药物开发来说可能并不重要。
当药物与蛋白质结合时，蛋白质也会改变形状，从而影响药物的作用。在最坏的情况下，药物与蛋白质的结合或对邻近蛋白质产生不可预测的连锁反应，甚至可能逆转药物的设计功能——例如激活而非抑制某些功能。
【独家专访DeepMind CEO哈萨比斯：我们将看到一种全新的科学复兴】在阿斯利康，分子AI部门的负责人奥伦奎斯特（OlaEngkvist）认为AI生成的结构最终将有助于识别药物靶标——但现在还不是时候。他说：“为了实现变革， AlphaFold需要有更好的计算方法来理解蛋白质动力学，并处理更大的蛋白质复合物。 ”
DeepMind计划在下一个版本的程序中解决这些问题，其中一项工作是生成蛋白质形状的多种变体，试图捕捉其动态变化。蛋白质移动的方式是由复杂的化学原理和物理原理控制的，所以一个完整的移动模型可能需要向AlphaFold提供关于这一过程的大量额外信息。这种方法的缺点是，信息可能会变成一种约束，从而降低了工具的预测能力。