AlphaFold开源一年：探索新冠祖源，彻底改写生物学新智元报道编辑：袁榭snailnj【

文章图片
新智元报道
编辑：袁榭snailnj
【新智元导读】AlphaFold为生物学带来了重大革新，但革新的内容具体如何呢？
自从DeepMind公布AlphaFold系列的AI工具后，生物与制药的学界、业界都惊呼利器诞生。但这种AI利器，给生物学和医药学带来了哪些重大变化呢？
AlphaFold改变了生物学
十多年来，分子生物学家MartinBeck和他的同事一直在试图拼出世界上最难的拼图之一：人类细胞中最大的分子结构的详细模型。
这种被称为核孔复合体的庞然大物控制着分子进出细胞核的流动，也就是基因组所在的地方。每个细胞中都存在数百个这样的复合物。每个都由超过1000种蛋白质组成，这些蛋白质在穿过核膜的孔周围形成环。
这1000块拼图是由30多个蛋白质组成的，它们以各种方式交织在一起。让谜题更难的是，这些拼图块的实验确定的3D形状是许多不同种类蛋白质板块的混合体，所以并不总是能很好地结合在一起。
拼图盒子上的图片——核孔复合体的低分辨率3D视图——缺乏足够的细节，无法知道有多少碎片精确地组合在一起。

文章图片
核孔复合体的模拟图
2016年， Beck领导的一个团队在德国法兰克福的马克斯·普朗克生物物理研究所(MPIB)报告了一个模型，该模型覆盖了约30%的核孔复合体和约一半的30个蛋白质构建块，称为Nup蛋白。
2021年7月，总部位于伦敦的DeepMind公司公开了一款名为AlphaFold2的人工智能工具。该软件可以根据基因序列预测蛋白质的3D形状，在很大程度上具有非常精确的准确性。这改变了贝克的工作，也改变了成千上万其他生物学家的研究。
「AlphaFold改变了游戏规则。」贝克说。
以色列耶路撒冷希伯来大学的计算结构生物学家OraSchueler-Furman说：「这就像一场地震。你可以在任何地方看到它。」他当时正在使用AlphaFold来模拟蛋白质相互作用，研究期间正好遇到这事。
藉用AlphaFold ， Beck与多家研究机构的合作团队，通过对AlphaFold的一项调整，他们成功地在2021年10月发布了一个模型，可以更准确地预测人类Nup蛋白的形状。
该模型覆盖了60%的复合物。它揭示了复合物是如何稳定原子核中的孔洞，同时也暗示了复合物是如何控制进出的物质。
在之后的半年里， AlphaFold热潮席卷了生命科学领域。「我参加的每一次会议，人们都在说，为什么不使用AlphaFold?」伦敦大学学院的计算生物学家ChristineOrengo说。

文章图片
在某些情况下，人工智能为科学家节省了时间，在另一些领域，它使以前难以想象或极其不切实际的研究成为可能。
它有局限性，一些科学家发现它的预测对他们的工作来说太不可靠了，但是基于人工智能开展的实验却从未停止。
即使是那些开发软件的人，也在努力跟上它在从药物开发、蛋白质设计到复杂生命起源等领域的应用。
DeepMind里领导AlphaFold团队的JohnJumper说：「我每天睡醒在推特上输入AlphaFold ，看到的一切都是崭新的未来。」
一个惊人的成功
AlphaFold在2020年12月的一场名为「蛋白质结构预测关键评估」(CriticalAssessmentofProteinStructurePrediction,CASP)的竞赛中占据了优胜地位，引起了轰动。
这项竞赛每两年举行一次，衡量生物学中最大挑战之一的进展：仅从蛋白质的氨基酸序列来确定蛋白质的3D形状。参赛者用X射线晶体学或低温电子显微镜等实验方法，以建立蛋白质形状的图像。