11月2日，在墨西哥坎昆举办的第13届全球蛋白质结构预测竞赛（CriticalAssessmentofproteinStructurePrediction，CASP）上。组织者宣告，DeepMind的近期人工智能程序——AlphaFold在一项极为艰难的任务中打败了所有输掉，顺利预测生命基本分子——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称作在展出人工智能研究推展和加快新的科学找到方面的“第一个最重要里程碑”。通过跨学科方法，DeepMind汇聚了来自结构生物学，物理学和机器学习领域的专家，以应用于尖端技术，仅有根据其基因序列预测蛋白质的3D结构。在得知这一划时代的技术性突破后，动脉网企图通过以下逻辑，还原成DeepMind再度战胜人类模型的“里程碑”事件，以及DeepMind在医疗领域所做到的探寻。1.蛋白质结构预测的划时代意义2.DeepMind凭借什么夺标3.AI算法将漫长费力的预测过程延长至几小时4.DeepMind的AI落地将给医学带给多少政治宣传曾取得诺贝尔奖的科学难题蛋白质是保持生命所必须的大而简单的分子。

完全我们身体所继续执行的所有功能：膨胀肌肉、感官光线或将食物转化成为能量，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，称作基因。任何等价的蛋白质可以做到什么各不相同其独有的3D结构。

例如，包含我们免疫系统的抗体蛋白质是“Y形”的，并且类似于独有的钩子。通过瞄准病毒和细菌，抗体蛋白需要检测和标记引发疾病的微生物以展开歼灭。类似于地，胶原蛋白的形状像绳索，其在软骨，韧带，骨骼和皮肤之间传送张力。

其他类型的蛋白质还包括CRISPR和Cas9，它们像剪刀一样起起到，切割成和粘贴DNA；抗冻蛋白，其3D结构容许它们融合冰晶并避免生物失效；核糖体就像一个程序化的装配线，协助自己建构蛋白质。但是纯粹从其基因序列中找到蛋白质的三维形状是一项简单的任务，科学家们早已找到了几十年的挑战。

挑战在于DNA仅有包括有关蛋白质建构块序列的信息，称作氨基酸残基，构成长链。预测这些链如何拉链成蛋白质的简单3D结构就是所谓的“蛋白质拉链问题”。预测蛋白质3D结构模型转身（图片来源：DeepMind官网）“蛋白质拉链”是一种令人难以置信的分子拉链形式，科学界以外很少有人辩论，但毕竟一个十分最重要的问题。

生物由蛋白质包含，生物体功能由蛋白质形状要求。解读蛋白质的拉链方式可以协助研究人员走出科学和医学研究的新纪元。因此，蛋白质拉链(ProteinFolding)问题被列入“21世纪的生物物理学”的最重要课题，它是分子生物学中心法则仍未解决问题的一个根本性生物学问题。蛋白质可在短时间中从一级结构拉链至立体结构，研究者却无法在短时间中从氨基酸序列计算出来出有蛋白质结构，甚至无法获得精确的三维结构。

美国NIH的ChristianAnfinsen博士因为找到蛋白质不必须其他协助就可以自发性地已完成蛋白质拉链的过程，于1972年取得了诺贝尔化学奖。DeepMind的牵头创始人兼任首席执行官DemisHassabis说道：“对DeepMind来说，这是一个十分关键的时刻，这是一个‘灯塔’项目，是我们在人员和资源方面的第一项根本性投资，同时也是正在沦为一个基本的、十分最重要的、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加精细地测量了蛋白质拉链后找到，其拉链过程比科学家们曾多次的预测更加简单。这意味著，有关蛋白质，我们的理解程度尚能在皮毛。

蛋白质分子的基本构成是氨基酸链。通过一系列中间过程，像折纸一样，氨基酸链拉链成三维结构，之后才具备功能。精确地叙述这个拉链过程，必须未知所有中间状态的形态。

近期研究就说明了这个过程中许多不得而知的状态，这一研究成果发布在3月3日的Science杂志上。AI如何顺利预测蛋白质3D结构？此次让DeepMind再行一次崭露头角的CASP，被指出是蛋白质结构领域“奥林匹克竞赛”。

本文来源：千亿体育-www.homesinmaumee.com