人工智慧與專家攜手解開生物學奧秘!(下)

人工智慧幫助專家們解開了有”10300次方種可能的蛋白質折疊”!

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”!


本系列文章為【生物學最大謎團被人工智慧 破解!DeepMind 攻克「蛋白質折疊」奧秘 】的下篇,請點此看上篇閱讀了解。


人工智慧 AlphaFold 有望突破現有生物.醫學瓶頸

透過《MIT 科技評論》的報導,DeepMind 未來希望可以將 AlphaFold 投入疾病研究,如瘧疾、嗜睡病、利什曼病等,這些寄生蟲引發的疾病都牽涉到許多未知的蛋白質結構;亦有傳統方法難以辨別的蛋白質,用 AlphaFold 預測可能會特別有效,例如因不容易結晶而很難透過實驗來判斷的膜蛋白。

 

▲ DeepMind 的科學家與工程師的幕後故事,談論他們如何創建出 AlphaFold。

 

蛋白質可以成為催發化學反應的酵素、抗擊疾病的抗體或是胰島素等等,美國馬里蘭大學生物科學與生物技術研究所的約翰‧莫爾特博士(John Moult)表示:「蛋白質分子哪怕是微小的重新組合排列,都會對人們的健康產生災難性的影響。因此,要了解疾病和找到新治療手段就要研究蛋白質。」

若 AlphaFold 的預測精準度未來可以再升級,除了可以突破現階段的醫療瓶頸,也能讓人類更能應對新病毒、新疾病,亦能加快新藥開發時程。

AlphaFold 的不足與未來展望

AlphaFold 的確可以協助預測蛋白質折疊的結構,但想準確預測,仍然有諸多限制。

中央研究院生物醫學科學研究所研究員黃明經表示,人工智慧預測的是最終蛋白質摺疊的結果,和自然界蛋白質折疊的軌跡有差異。換句話說,AlphaFold 並不是因為理解過程而解碼這個問題,是靠電腦分析大量資料的技術;AlphaFold 雖然可以預測單一蛋白質結構,但仍無法精準預測較複雜的蛋白質複合體。

故即使 AlphaFold 在 CASP14 中表現驚人,但競賽中仍有約 1/3 的蛋白質是 AlphaFold 尚無法精準預測的。

得知蛋白質的結構只是第一步,目前人工智慧還未能準確地預測蛋白質摺疊後的功能,亦無法完全取代傳統的實驗方法,但可以協助科學家在複雜的實驗數據中縮小找尋結構的範圍,幫助解出困難的結構;人工智慧 AI 也可以學習到更多的結構、得到更準確的預測,所以 人工智慧 AI 和傳統方法是相輔相成的。

未來,有更多重要的問題等著人工智慧與人類一起攜手突破。

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

人工智慧幫你挑結婚對象?日本政府推「AI 婚仲」對抗少子化

外貌影響面試?放心!新世代人工智慧Tengai面試不再以貌取人

【轉職前端工程師】測試工程師的微痛學習歷程,現在切版、網站開發一把罩!

Python教學小教室-控制結構4運算子優先順序

在人工智慧眼中,貓原來是這樣的!?

透過電影看人工智慧與高科技下的碰撞