AI解半世紀難題 解構蛋白質助研新藥
美國科網巨擘Alphabet旗下的人工智能(AI)研究公司DeepMind宣布，其最新系統「AlphaFold」成功預測多款蛋白質結構，破解半世紀以來的生物學難題。以往要識別單一蛋白質的結構，通常需數年的實驗室研究，但AlphaFold可於數天內就得出準確結果。這項突破預料可加快多種疾病的研究，包括新型冠狀病毒，亦有助設計新藥、更具營養的農作物、以至可用於分解廢物的酶。
組成蛋白質的氨基酸鏈可以多種方式摺疊成3D形狀，而形狀就決定了不同蛋白質的功能。大多數生物過程都圍繞蛋白質，如胰島素如何控制血糖水平，以至抗體如何對抗新冠病毒等都取決於蛋白質結構。過去50年，預測蛋白質結構是生物學的重大挑戰。美國科學家安芬森(Christian Anfinsen)在1972年獲諾貝爾化學獎的研究表明，理論上可按蛋白質的氨基酸序列判斷其結構。不過，蛋白質的摺疊方式是天文數字(1後300個0)，而科學家現識別出逾2億種蛋白質，但只知道少數蛋白質的結構。研究人員傳統透過精密的實驗解構蛋白質形狀，通常需時數年才能拆解到一款蛋白質的結構。
訓練數周 準確度達實驗室水平
DeepMind的團隊利用一個有17萬種蛋白質序列及形狀的公開數據庫，讓AlphaFold學習蛋白質如何摺疊，訓練持續數周。研究人員其後讓AlphaFold參加兩年一度、俗稱「蛋白質奧林匹克」的蛋白質結構預測技術關鍵測試(CASP)。參賽者會獲得約100種蛋白質的氨基酸序列，然後利用電腦預測其形狀，再跟實驗得出的結果比較。評分為0至100分，90分代表準確度相當於實驗室水平。結果，AlphaFold不僅勝過其他電腦程式，其得分中位數更達92.5分，即使是最困難的蛋白質項目亦有87分。
DeepMind表示已開始與數個科學團體合作，初步將聚焦瘧疾、渴睡症和利什曼病(Leishmaniasis)。其創辦人哈薩比斯(Demis Hassabis)形容是激動人心的時刻，「這些演算已變得足夠成熟和強大，可應用於真正具有挑戰的科學問題上」。英國皇家學會會長拉馬克里希南(Venki Ramakrishnan)亦稱這是「令人震驚的進步」，因為該研究領域許多人都以為要數十年後才能達到這地步。
本身是英國公司的DeepMind在2014年被Google收購，翌年歸入Google母公司Alphabet旗下，以設計在多款遊戲擊敗真人的AI程式聞名，例如在2017年擊敗世界圍棋冠軍柯潔的AlphaGo。不過遊戲並非其開發程式的目標，而是為程式提供訓練，目標是用於解決現實世界的問題。(衛報/金融時報/BBC)
