開發阿爾法狗的團隊再下一城，這次重磅推出了 AlphaFold —— 基因序列預測蛋白質結構
簡評：DeepMind 團隊在去年的圍棋大戰中大放異彩，這次搞了更大的事情，他們開發一個 AlphaFold (阿爾法摺疊？）系統。與此前的 AlphaGo 和 AlphaZero 不同，AlphaFold 將致力於加速科學發現，它可以僅根據基因序列就預測生成蛋白質的 3D 形狀。
AlphaFold 能做什麼？
簡單來說，它能夠解決 Protein folding（蛋白質摺疊）的問題。這幾乎是拿諾貝爾獎的突破，而且不止一個。
DeepMind 這麼搞下去，未來幾年的諾貝爾醫學獎估計他們承包了。
什麼是「蛋白質摺疊」？
蛋白質不僅雞蛋裏有，你身體裏也有著各種各樣的蛋白質。從消化系統到免疫系統，他們承擔著身體各種複雜和極其重要的功能。
你可以理解蛋白質是很大個的有機分子。因為他們個子很大，他們會摺疊起來（好像一根很長的麻繩會摺疊）。
每種蛋白質因為自己的形狀，以及構成的原子等等原因，會摺疊成不同形狀。他們的各種功能，很大決定因素就是他們摺疊後的形狀。
為什麼「蛋白質摺疊」很重要？
身體裏的蛋白質是哪裡來的？當然是來自你的基因（DNA）。
你可以理解 DNA 裡面記錄了一個個製造蛋白質的公式。你的細胞就是蛋白質製造工廠。
每個細胞會根據自己的功能合成特定的蛋白質。比如肝臟細胞的一個功能是合成一種叫 fibronectin 的蛋白質，其功能是讓血液凝固以止血（比如發生外傷）。
想要理解基因在幹什麼，其中重要的一步，也是 AlphaFold 在解決的一步 —— 就是理解「蛋白質摺疊」。
我們根據基因能夠搞明白被合成的蛋白質具有什麼樣的分子式。但是這些蛋白質最終的（摺疊後）形狀，我們卻只能通過各種實驗方法來推測，而無法通過分子式直接預測。
因為這個推測太難了，這比 AlphaGo 下圍棋難多了，意義也大多了。
使用神經網路預測物理屬性
AlphaFold 構建的模型都依賴深度神經網路，這些經過訓練的神經網路可以從基因序列中預測蛋白質的屬性。
根據神經網路預測的兩種物理屬性，DeepMind 還訓練了一個神經網路以預測蛋白質成對殘基（residues）之間距離的獨立分佈，這些概率能組合成估計蛋白質結構準確率的評分。
這些評分函數可以用來探索蛋白質內部，以找到與預測匹配的結構。
接下來發生什麼？
AlphaFold 的意義在於，如果我們解決了「蛋白質摺疊」的問題，人類立刻就可以大大加速新葯的開發速度。人類還可以設計細菌來分解塑料以及其他很難被生物過程分解的垃圾，解決環境問題，種種之前在科幻中實現的場景，不再遙遠了。
DeepMind 這次突破實在是太令人激動。據說 AlphaFold 系統比以前的系統，其突破的程度不亞於 AlphaGo 比之前的那些非常弱智的圍棋程序。
換句話說就是直接碾壓。
參考鏈接：
- AlphaFold: Using AI for scientific discovery
- Googles DeepMind predicts 3D shapes of proteins
推薦閱讀：
MIT 成功研製了一架沒有運動部件的飛機！
極光日報，極光開發者旗下媒體。
每天導讀三篇英文技術文章。
推薦閱讀：
