人工智慧幫助專家們解開了有”10的300次方”種可能的”蛋白質折疊”!
因為開發出橫掃棋壇的圍棋 人工智慧 AI「AlphaGo」而受廣大世人所知曉的人工智慧實驗室 DeepMind 再度傳出捷報──這次他們開發出名叫「AlphaFold」的 人工智慧 AI，解決了困擾生物學界超過 50 年的「蛋白質折疊」難題，以往要精確得知一個蛋白質的完整結構，需要數個月、數年甚至數十年的實驗研究，而人工智慧只要花費幾小時就能完成。
推薦閱讀：
人工智慧 Suphx 打敗人類雀聖！微軟：研發麻將 AI 比圍棋 AI 複雜
且由於蛋白質的結構影響它的 功能，許多疾病又和蛋白質的功能有關，若能解決這個難題，就表示醫療領域可以再進一大步，未來人類將能更了解包括新型冠狀肺炎等疾病，亦能加速新藥物的開發。
蛋白質折疊：生物學最大謎團之一
胺基酸是構成蛋白質的基本單位，蛋白質是由一條氨基酸鏈摺疊成特定三維結構所構成，而蛋白質的功能就取決於這個三維結構，甚至被稱為「理解生命的密碼」。這半個世紀以來，科學家一直試圖掌握不同蛋白質的形狀，以期深入理解它們的作用及引起疾病的方式。然而因為氨基酸鏈摺疊的可能性太多，「蛋白質摺疊」（Protein folding）難題便成為生物學最重大的挑戰之一。
▲ DeepMind 上傳說明影片，解釋何謂「蛋白質折疊」。
自 1972 年，諾貝爾化學獎得主克里斯蒂安．安芬森（Christian Anfinsen）就表示：若要從胺基酸序列預測蛋白質架構，折疊的可能方式會多到無法估計；生物學家塞瑞斯．列文塔爾（Cyrus Levinthal）具體指出，蛋白質折疊有「10 的 300 次方」種可能方式，想靠人工計算來暴力破解，花費時間可能比宇宙存在的時間都長。
這也是為什麼 DeepMind 開發出可以預測蛋白質最終結構的 AlphaFold，會讓全世界震驚於 AI 的突破。
能預測蛋白質結構的 AI 系統「AlphaFold」
DeepMind 表示，AlphaFold 可以藉由胺基酸序列，快速且準確預測蛋白質的三維立體結構。
AlphaFold 的神經網路上添加了注意力機制（Attention Mechanism），並且用資料庫中 17 萬種已知蛋白質結構、6 千萬筆胺基酸序列來訓練，它分析目前已知蛋白質形狀後，就能預測其他蛋白質的形狀，前後只需要花費幾小時、甚至幾分鐘內的時間。
▲ AlphaFold 主要神經網絡模型架構。 圖片來源：DeepMind 官網。
DeepMind 團隊表示，可以將蛋白質折疊看作一個「空間圖」（spatial graph），節點表示殘基（residue），邊緣將殘基緊密連接起來。這個空間圖對於理解蛋白質內部的物理交互至關重要。
團隊使用深度學習的端對端（End-to-End）進行訓練，以理解空間圖的結構，並使用進化相關序列、多重序列比對（MSA）和氨基酸殘基的表示等方法來細空間圖。
已於 CASP 大賽中二次奪冠的 AlphaFold
從 1994 年起，John Moult 教授和 Krzysztof Fidelis 教授創立了蛋白質結構預測關鍵評估實驗（Critical Assessment of Structure Prediction，CASP）。CASP 的競賽模式為：主辦單位會選擇近期才經過實驗確認的蛋白質結構，讓參賽團隊測試自己的蛋白質結構預測方法，最後將預測結果與實驗數據進行比對。
因為嚴苛的評比規則，CASP 一直被稱為預測技術評估的「黃金標準」，CASP 也是期望能透過兩年一次的競賽，來廣邀各方投入相關研究，但都沒有找到成效顯著的方法。
直到 AlphaFold 於 2018 的 CASP13 亮相，首次參加國際比賽就已達到有史以來最高精準度，而且第二名的準確率與 AlphaFold 相差甚遠；並且，在近日舉辦的 CASP14 中，AlphaFold 更上一層樓，中位分數為 92.4（滿分100分），而在 AlphaFold 之前的參賽者，中位分數從未超過50。
「這是該研究領域激動人心的一刻。」DeepMind 聯合創始人兼執行長傑米斯‧哈薩比斯（Demis Hassabis）表示。「人工智慧今天已經足夠成熟強大，足以被應用於真正具有挑戰性的科學問題上了。」
同時他也表示，DeepMind 可能要等到明年才能公開詳細實驗內容，團隊也正在準備相關論文，以適時提交給同行進行評審。
人工智慧 AlphaFold 如何突破現有生物、醫學瓶頸？請點此接續看下去！
相關文章:
人工智慧協助設計新食譜！Sony 將研發超越廚師的美食 AI
外貌影響面試?放心!新世代人工智慧Tengai面試不再以貌取人