11月2日，在墨西哥坎昆举行的第13届全球蛋白质结构预测竞赛(Critical Assessment of protein Structure Prediction，CASP)上。组织者宣布，DeepMind 的最新人工智能程序 ——AlphaFold 在一项极其困难的任务中击败了所有对手，成功预测生命基本分子——蛋白质的三维结构。

　　作为一项基础技术，DeepMind在自己博客中，将AlphaFold 称为在展示人工智能研究推动和加速新科学发现方面的“第一个重要里程碑”。

　　通过跨学科方法，DeepMind汇集了来自结构生物学，物理学和机器学习领域的专家，以应用尖端技术，仅根据其基因序列预测蛋白质的3D结构。

　　在获悉这一划时代的技术性突破后，动脉网试图通过以下逻辑，还原DeepMind再次战胜人类模型的“里程碑”事件，以及DeepMind在医疗领域所做的探索。

　　1. 蛋白质结构预测的划时代意义

　　2. DeepMind凭借什么夺冠

　　3. AI算法将漫长费力的预测过程缩短至几小时

　　4. DeepMind的AI落地将给医学带来多少颠覆

　　曾获得诺贝尔奖的科学难题

　　蛋白质是维持生命所必需的大而复杂的分子。几乎我们身体所执行的所有功能 ： 收缩肌肉、感知光线或将食物转化为能量， 都可以追溯到一种或多种蛋白质以及它们如何移动和变化。这些蛋白质的配方， 称为基因。

　　任何给定的蛋白质可以做什么取决于其独特的3D结构。例如，构成我们免疫系统的抗体蛋白质是“Y形”的，并且类似于独特的钩子。通过锁定病毒和细菌，抗体蛋白能够检测和标记引起疾病的微生物以进行消灭。

　　类似地，胶原蛋白的形状像绳索，其在软骨，韧带，骨骼和皮肤之间传递张力。其他类型的蛋白质包括CRISPR和Cas9，它们像剪刀一样起作用，切割和粘贴DNA;抗冻蛋白，其3D结构允许它们结合冰晶并防止生物冻结;核糖体就像一个程序化的装配线，帮助自己构建蛋白质。

　　但是纯粹从其基因序列中找出蛋白质的三维形状是一项复杂的任务，科学家们已经发现了几十年的挑战。挑战在于DNA仅包含有关蛋白质构建块序列的信息，称为氨基酸残基，形成长链。预测这些链如何折叠成蛋白质的复杂3D结构就是所谓的“蛋白质折叠问题”。

　　预测蛋白质3D结构模型示意(图片来源：DeepMind官网)

　　“蛋白质折叠”是一种令人难以置信的分子折叠形式，科学界以外很少有人讨论，但却是一个非常重要的问题。生物由蛋白质构成，生物体功能由蛋白质形状决定。理解蛋白质的折叠方式可以帮助研究人员走进科学和医学研究的新纪元。

　　因此，蛋白质折叠(Protein Folding)问题被列为“21世纪的生物物理学”的重要课题，它是分子生物学中心法则尚未解决的一个重大生物学问题。蛋白质可在短时间中从一级结构折叠至立体结构，研究者却无法在短时间中从氨基酸序列计算出蛋白质结构，甚至无法得到准确的三维结构。

　　美国NIH的Christian Anfinsen博士因为发现蛋白质不需要其他帮助就可以自发地完成蛋白质折叠的过程，于1972年获得了诺贝尔化学奖。

　　DeepMind的联合创始人兼首席执行官Demis Hassabis说：“对DeepMind来说，这是一个非常关键的时刻，这是一个‘灯塔’项目，是我们在人员和资源方面的第一项重大投资，同时也是正在成为一个基本的、非常重要的、现实世界的科学问题。”

　　早在2017年，美国科罗拉多大学“JILA物理研究中心”的生物物理学家们通过更细致地测量了蛋白质折叠后发现，其折叠过程比科学家们曾经的预测更为复杂。这意味着，有关蛋白质，我们的了解程度尚在皮毛。

　　蛋白质分子的基本组成是氨基酸链。通过一系列中间过程，像折纸一样，氨基酸链折叠成三维结构，之后才具有功能。准确地描述这个折叠过程，需要已知所有中间状态的形态。最新研究就揭示这个过程中许多未知的状态，这一研究成果公布在3月3日的Science杂志上。