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”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。