开发阿尔法狗的团队再下一城，这次重磅推出了 AlphaFold —— 基因序列预测蛋白质结构
简评：DeepMind 团队在去年的围棋大战中大放异彩，这次搞了更大的事情，他们开发一个 AlphaFold (阿尔法折叠？）系统。与此前的 AlphaGo 和 AlphaZero 不同，AlphaFold 将致力于加速科学发现，它可以仅根据基因序列就预测生成蛋白质的 3D 形状。
AlphaFold 能做什么？
简单来说，它能够解决 Protein folding（蛋白质折叠）的问题。这几乎是拿诺贝尔奖的突破，而且不止一个。
DeepMind 这么搞下去，未来几年的诺贝尔医学奖估计他们承包了。
什么是「蛋白质折叠」？
蛋白质不仅鸡蛋里有，你身体里也有著各种各样的蛋白质。从消化系统到免疫系统，他们承担著身体各种复杂和极其重要的功能。
你可以理解蛋白质是很大个的有机分子。因为他们个子很大，他们会折叠起来（好像一根很长的麻绳会折叠）。
每种蛋白质因为自己的形状，以及构成的原子等等原因，会折叠成不同形状。他们的各种功能，很大决定因素就是他们折叠后的形状。
为什么「蛋白质折叠」很重要？
身体里的蛋白质是哪里来的？当然是来自你的基因（DNA）。
你可以理解 DNA 里面记录了一个个制造蛋白质的公式。你的细胞就是蛋白质制造工厂。
每个细胞会根据自己的功能合成特定的蛋白质。比如肝脏细胞的一个功能是合成一种叫 fibronectin 的蛋白质，其功能是让血液凝固以止血（比如发生外伤）。
想要理解基因在干什么，其中重要的一步，也是 AlphaFold 在解决的一步 —— 就是理解「蛋白质折叠」。
我们根据基因能够搞明白被合成的蛋白质具有什么样的分子式。但是这些蛋白质最终的（折叠后）形状，我们却只能通过各种实验方法来推测，而无法通过分子式直接预测。
因为这个推测太难了，这比 AlphaGo 下围棋难多了，意义也大多了。
使用神经网路预测物理属性
AlphaFold 构建的模型都依赖深度神经网路，这些经过训练的神经网路可以从基因序列中预测蛋白质的属性。
根据神经网路预测的两种物理属性，DeepMind 还训练了一个神经网路以预测蛋白质成对残基（residues）之间距离的独立分布，这些概率能组合成估计蛋白质结构准确率的评分。
这些评分函数可以用来探索蛋白质内部，以找到与预测匹配的结构。
接下来发生什么？
AlphaFold 的意义在于，如果我们解决了「蛋白质折叠」的问题，人类立刻就可以大大加速新药的开发速度。人类还可以设计细菌来分解塑料以及其他很难被生物过程分解的垃圾，解决环境问题，种种之前在科幻中实现的场景，不再遥远了。
DeepMind 这次突破实在是太令人激动。据说 AlphaFold 系统比以前的系统，其突破的程度不亚于 AlphaGo 比之前的那些非常弱智的围棋程序。
换句话说就是直接碾压。
参考链接：
- AlphaFold: Using AI for scientific discovery
- Googles DeepMind predicts 3D shapes of proteins
推荐阅读：
MIT 成功研制了一架没有运动部件的飞机！
极光日报，极光开发者旗下媒体。
每天导读三篇英文技术文章。
推荐阅读：
