AlphaFold2 成功解决蛋白质结构预测挑战

蛋白质结构预测中心宣布，由DeepMind开发的AI系统AlphaFold2成功解决了蛋白质结构预测的挑战。AlphaFold2在全球距离测试（GDT）指标中获得了92.4的中位数得分，超过了传统方法的竞争阈值。

CASP14 实验与成果

该中心在新闻稿中宣布了这一成果，详细描述了第14届蛋白质结构预测技术关键评估（CASP14）的社区实验结果。这一挑战的灵感来源于生物化学家Christian Anfinsen在1972年诺贝尔奖演讲中提出的问题，即通过计算方法从氨基酸序列预测蛋白质的三维结构。AlphaFold2的GDT得分超过90，与X射线晶体学和冷冻电镜等实验技术相当，被认为已成功解决了这一挑战。

科学意义

UC Davis研究员兼CASP14联合组织者Andriy Kryshtafovych表示，快速准确地研究蛋白质结构有可能彻底改变生命科学。现在，单个蛋白质的结构预测问题已基本解决，科学家们可以进一步开发新方法，研究蛋白质复合体的结构，这些复合体是生命机制的重要组成部分。

蛋白质结构与预测挑战

DNA中的遗传密码是创建蛋白质分子的“食谱”，这些蛋白质分子由氨基酸序列组成。虽然这些序列是线性的，但最终的蛋白质会折叠成复杂的三维结构，这些结构对其生物功能至关重要。科学家们可以通过核磁共振、X射线晶体学和冷冻电镜等技术实验性地确定蛋白质结构，但这些方法需要昂贵的专用设备，且可能需要数年时间才能完成一个结构的测定。

1972年，Anfinsen提出蛋白质的结构应完全由其氨基酸序列决定。1994年，CASP作为一项双年评估成立，旨在评估从序列预测蛋白质结构的计算模型。参赛者会获得实验测定但未公开的蛋白质序列，预测结果使用GDT进行评估，GDT在0到100的范围内测量已知结构与预测结构之间的相似性，得分90或以上被认为是成功的。

AlphaFold2 的技术细节

AlphaFold2使用基于注意力的神经网络，将蛋白质结构建模为空间图。除了原始的氨基酸序列外，网络的输入还包括多序列比对（MSA）信息，该信息基于共同进化祖先的假设将多个不同序列联系起来。DeepMind使用蛋白质数据库中约17万条序列的公开数据集进行训练，训练在16个TPUv3上运行，耗时“几周”。

尽管AlphaFold2的完整架构尚未公布，但DeepMind在《自然》杂志上发表了一篇论文，描述了AlphaFold的上一版本，该版本在两年前的CASP13中以约60的GDT得分获得第一名；DeepMind还开源了该系统的一部分代码。

学术界的反应

生物学家Mohammed AlQuraishi在Twitter上描述了AlphaFold2的成果为“令人震惊的”。他在一篇详细的博客文章中也赞扬了系统的准确性，但批评了DeepMind的学术交流方式，认为其在CASP14上的演讲缺乏细节，与CASP13时的详细程度形成鲜明对比。

COVID-19 相关研究

除了参加CASP14竞赛外，DeepMind还使用AlphaFold2预测了导致COVID-19的SARS-CoV-2病毒的几种蛋白质结构。DeepMind公布了这些结果，后续实验证实了部分预测。DeepMind和其他机构的COVID-19蛋白质结构预测可在CASP网站上查阅。