以下是全文內(nèi)容。

AlphaFold2和RoseTTAFold等深度學(xué)習(xí)算法現(xiàn)在可以根據(jù)蛋白質(zhì)的線性序列預(yù)測(cè)其三維形狀，這對(duì)結(jié)構(gòu)生物學(xué)家來(lái)說(shuō)是一個(gè)巨大的福音。

很少有科學(xué)軟件能引發(fā)如此轟動(dòng)。英國(guó)廣播公司（BBC）宣稱："生物學(xué)中最大的謎團(tuán)之一被人工智能'基本解決'了"。福布斯稱其為"有史以來(lái)人工智能領(lǐng)域最重要的成就"。谷歌DeepMind的人工智能系統(tǒng)AlphaFold2于2020年11月首次亮相，用于預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，自從該工具在7月免費(fèi)提供以來(lái)，人們對(duì)它的討論更加激烈。

使用AlphaFold2和結(jié)構(gòu)數(shù)據(jù)建立的人類核孔復(fù)合體的模型。資料來(lái)源：Agnieszka Obarska-Kosinska

深度學(xué)習(xí)包含了機(jī)器學(xué)習(xí)策略，其中計(jì)算神經(jīng)網(wǎng)絡(luò)被訓(xùn)練來(lái)識(shí)別和解釋數(shù)據(jù)中的模式。西雅圖華盛頓大學(xué)的計(jì)算生物學(xué)家David Baker說(shuō)："這些模型并不試圖一次性預(yù)測(cè)結(jié)構(gòu)"，他說(shuō)，"它們更像是一種物理模擬，模型正在學(xué)習(xí)如何做出好的動(dòng)作來(lái)改善結(jié)構(gòu)"。通過(guò)用大量的注釋過(guò)的實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練這些算法，他們可以開(kāi)始識(shí)別序列和結(jié)構(gòu)之間的聯(lián)系，為新蛋白質(zhì)的預(yù)測(cè)提供信息。

在過(guò)去的五年里，多個(gè)團(tuán)隊(duì)在將深度學(xué)習(xí)應(yīng)用于結(jié)構(gòu)預(yù)測(cè)方面取得了進(jìn)展。AlphaFold的第一次迭代在2018年贏得了CASP13，但其表現(xiàn)遠(yuǎn)不及去年的突出勝利。幾個(gè)學(xué)術(shù)實(shí)驗(yàn)室隨后開(kāi)發(fā)了基于深度學(xué)習(xí)的算法，其性能超過(guò)了第一代AlphaFold，包括Zhang實(shí)驗(yàn)室的DI-TASSER、Baker實(shí)驗(yàn)室的trRosetta和RaptorX（由位于伊利諾伊州芝加哥的豐田技術(shù)研究所的Jinbo Xu及其團(tuán)隊(duì)開(kāi)發(fā)）。

但是這些算法通常被作為一個(gè)更大的軟件管道的一部分來(lái)應(yīng)用，造成了錯(cuò)誤和低效率的可能性。紐約市哥倫比亞大學(xué)的系統(tǒng)生物學(xué)家Mohammed AlQuraishi說(shuō)："經(jīng)常出現(xiàn)不同的組件溝通不暢，或者彼此之間溝通不暢，因?yàn)樗鼈兪橇闵⒌?。這些限制激發(fā)了人們對(duì)端到端算法的興趣，這種算法可以管理從序列到結(jié)構(gòu)的整個(gè)過(guò)程"。DeepMind的高級(jí)研究科學(xué)家John Jumper說(shuō)，"在CASP13之后，他的團(tuán)隊(duì)基本上放棄了第一代AlphaFold，開(kāi)始開(kāi)發(fā)這樣一個(gè)解決方案AlphaFold2"。

AlphaFold2的幾個(gè)方面是建立在既定技術(shù)之上的。例如，該算法首先生成多序列比對(duì)（MSA），將結(jié)構(gòu)未知的新蛋白質(zhì)與其他物種的相關(guān)序列進(jìn)行比較。通過(guò)識(shí)別平行變化的共同進(jìn)化的氨基酸，算法可以鎖定那些最有可能在折疊的蛋白質(zhì)中相互關(guān)聯(lián)的氨基酸。在這些地方，序列中的一個(gè)變化需要補(bǔ)償性突變來(lái)保持整體結(jié)構(gòu)。

Sander和他的合作者，馬薩諸塞州劍橋市哈佛大學(xué)的計(jì)算生物學(xué)家Debora Marks，以及他們的團(tuán)隊(duì)在2017年開(kāi)發(fā)了這種基于共同進(jìn)化的技術(shù)。"這是第一個(gè)對(duì)許多蛋白質(zhì)全面有效的解決方案，利用進(jìn)化來(lái)獲得正確的折疊和基本形狀"，Sander說(shuō)，"而現(xiàn)在機(jī)器學(xué)習(xí)讓它變得更好了。"

AlphaFold2的開(kāi)發(fā)者利用前所未有的信息量來(lái)構(gòu)建他們的MSA，使用的是韓國(guó)首爾國(guó)立大學(xué)的計(jì)算生物學(xué)家Martin Steinegger和德國(guó)哥廷根馬克斯普朗克生物物理化學(xué)研究所的Johannes S?ding匯編的數(shù)據(jù)集中的數(shù)十億條蛋白質(zhì)序列。Steinegger說(shuō)："他們希望我把它變成一個(gè)可搜索的數(shù)據(jù)庫(kù)。"

由于AlphaFold2的首次亮相和論文發(fā)表之間的滯后性，以及學(xué)術(shù)界對(duì)其是否會(huì)提供完整的細(xì)節(jié)的不確定性，Baker和他的博士后Minkyung Baek從該軟件架構(gòu)的稀疏信息出發(fā)，開(kāi)發(fā)了他們自己的版本RoseTTAFold。這使用了許多與AlphaFold2相同的策略，但有一些獨(dú)特的變化。

Baker說(shuō)："在我們提供它的時(shí)候，這是可以使用的最好的結(jié)構(gòu)預(yù)測(cè)方法，但沒(méi)有AlphaFold2好"。他指出，與大多數(shù)學(xué)術(shù)實(shí)驗(yàn)室相比，DeepMind是一個(gè)私人實(shí)體，擁有巨大的資源和一個(gè)長(zhǎng)期的多學(xué)科專家團(tuán)隊(duì)。哥本哈根大學(xué)的計(jì)算生物學(xué)家Amelie Stein說(shuō)，"對(duì)AlphaFold2的成功最廣泛的解釋是'這只是因?yàn)楣雀璧腻X’，但它也匯集了軟件工程師和了解蛋白質(zhì)、理解蛋白質(zhì)結(jié)構(gòu)的人的專業(yè)知識(shí)。"

自從AlphaFold2在7月發(fā)布以來(lái)，各實(shí)驗(yàn)室爭(zhēng)相使用該軟件及其結(jié)構(gòu)預(yù)測(cè)，這些預(yù)測(cè)可通過(guò)歐洲生物信息學(xué)研究所托管的一個(gè)數(shù)據(jù)庫(kù)獲得。

"用戶普遍認(rèn)為該軟件使用起來(lái)很簡(jiǎn)單，盡管他們需要幾TB的磁盤空間來(lái)下載數(shù)據(jù)庫(kù)和多個(gè)圖形處理單元（GPU）來(lái)處理分析工作"。斯德哥爾摩大學(xué)的生物信息學(xué)家Arne Elofsson說(shuō)，"單一結(jié)構(gòu)的計(jì)算并不是那么糟糕，我們運(yùn)行它幾個(gè)小時(shí)。但由于其規(guī)模和所需的資源，對(duì)一個(gè)生物體的全部蛋白質(zhì)或蛋白質(zhì)組的分析，對(duì)于大多數(shù)學(xué)術(shù)實(shí)驗(yàn)室來(lái)說(shuō)，可能暫時(shí)還無(wú)法實(shí)現(xiàn)。"

對(duì)于那些希望測(cè)試軟件的研究人員，Steinegger和他的同事開(kāi)發(fā)了ColabFold，這是一個(gè)基于云的系統(tǒng)，使用谷歌提供的遠(yuǎn)程數(shù)據(jù)庫(kù)和計(jì)算能力運(yùn)行AlphaFold2和RoseTTAFold?；诰W(wǎng)絡(luò)的界面相對(duì)簡(jiǎn)單。Steinegger說(shuō)："你可以插入你的序列，然后只需按下一個(gè)按鈕，它就能為你預(yù)測(cè)出結(jié)構(gòu)"。但它也允許用戶修改設(shè)置并優(yōu)化他們的實(shí)驗(yàn)，比如通過(guò)改變結(jié)構(gòu)預(yù)測(cè)的迭代次數(shù)。

即使是DeepMind團(tuán)隊(duì)也對(duì)AlphaFold2在CASP14上的出色表現(xiàn)感到吃驚。"我們顯然有內(nèi)部基準(zhǔn)測(cè)試，表明我們會(huì)做得非常好 "，Jumper說(shuō)，"但到了最后，我的腦海中仍有一種感覺(jué)：這真的是真的嗎？"

CASP14打消了這些顧慮，在過(guò)去的幾個(gè)月里，AlphaFold2的能力和局限性得到了大量的展示。在與描述該算法的論文同時(shí)發(fā)表的一項(xiàng)研究中，DeepMind團(tuán)隊(duì)將AlphaFold2應(yīng)用于包括98.5%的人類蛋白質(zhì)組的數(shù)據(jù)集。該算法使用一種稱為預(yù)測(cè)局部距離差異測(cè)試（pLDDT）的指標(biāo)來(lái)表示其對(duì)某一特定氨基酸的位置和方向準(zhǔn)確反映其真實(shí)世界結(jié)構(gòu)的信心。通過(guò)這種方式，蛋白質(zhì)組中36%的殘基可以以非常高的信心得到解決。

8月，由西班牙巴塞羅那超級(jí)計(jì)算中心的生物信息學(xué)家Alfonso Valencia 領(lǐng)導(dǎo)的研究人員獨(dú)立得出結(jié)論，AlphaFold2將人類蛋白質(zhì)中可以準(zhǔn)確映射的氨基酸比例從31%提升到50%。

Zhang預(yù)計(jì)，該軟件將很快摘完蛋白質(zhì)組的低垂果實(shí)。他說(shuō)："他們可能可以折疊所有的單域蛋白。但許多蛋白質(zhì)仍然是一個(gè)挑戰(zhàn)，例如那些由多個(gè)獨(dú)立的功能單元組成的、由相對(duì)靈活的連接元素連接的蛋白質(zhì)。在這些情況下，單個(gè)結(jié)構(gòu)域可能會(huì)排列整齊，但它們相對(duì)于彼此的方向可能不會(huì)。"

更具挑戰(zhàn)性的是那些在自然狀態(tài)下本質(zhì)上無(wú)序的蛋白質(zhì)片段，它們可能占人類蛋白質(zhì)組中所有氨基酸的三分之一以上。目前沒(méi)有任何算法可以預(yù)測(cè)這些段如何折疊，但Jumper指出，極低的pLDDT分?jǐn)?shù)至少可以在結(jié)構(gòu)中劃分出這些段。他說(shuō)："一個(gè)完全沒(méi)有信心的預(yù)測(cè)是相當(dāng)有力的無(wú)序指標(biāo)。"

AlphaFold2和RoseTTAFold的一個(gè)出乎意料的特點(diǎn)，是它們有能力從形成復(fù)合體的一對(duì)蛋白質(zhì)鏈中預(yù)測(cè)出準(zhǔn)確的結(jié)構(gòu)，這些復(fù)合體被稱為同源二聚體（如果由兩個(gè)相同的蛋白質(zhì)形成）或異源二聚體（由兩個(gè)不同的蛋白質(zhì)形成），它們最初沒(méi)有被訓(xùn)練成這樣。

Elofsson和他的團(tuán)隊(duì)報(bào)告說(shuō)，他們使用AlphaFold2分析的雙蛋白復(fù)合物中，成功建模的比例高達(dá)59%。當(dāng)試圖從頭開(kāi)始識(shí)別可能的復(fù)合物時(shí)，這一過(guò)程在計(jì)算上比為已知的相互作用對(duì)建模時(shí)更具挑戰(zhàn)性。但是Baker和他的團(tuán)隊(duì)表明，通過(guò)串聯(lián)應(yīng)用多種深度學(xué)習(xí)算法，他們能夠從酵母菌Saccharomyces cerevisiae的蛋白質(zhì)組中數(shù)百萬(wàn)個(gè)可能的相互作用對(duì)中，識(shí)別并模擬出數(shù)百個(gè)多蛋白復(fù)合物。"Baker說(shuō)："RoseTTAFold比AlphaFold2快100倍，因此我們可以在所有的配對(duì)上運(yùn)行它，然后用它來(lái)過(guò)濾出最有可能相互作用的那些。"然后我們?cè)谶@個(gè)小得多的子集上運(yùn)行AlphaFold2。"

感受到這種應(yīng)用的熱情，DeepMind在10月發(fā)布了AlphaFold-Multimer，它被專門訓(xùn)練來(lái)處理由多條鏈組合而成的蛋白質(zhì)復(fù)合體。AlphaFold-Multimer對(duì)所測(cè)試的34%的同源二聚體復(fù)合物和23%的異源二聚體復(fù)合物的相互作用進(jìn)行了高準(zhǔn)確度預(yù)測(cè)。

盡管如此，許多問(wèn)題仍然遙不可及。Marks說(shuō)："如果你的技術(shù)一心想要很好地學(xué)習(xí)復(fù)制晶體學(xué)，那么這很好"。但她指出，這種靜態(tài)結(jié)構(gòu)快照將不適合探索與特定蛋白質(zhì)的操縱或內(nèi)在動(dòng)態(tài)行為有關(guān)的問(wèn)題。

例如，AlphaFold2通常對(duì)每個(gè)序列產(chǎn)生一個(gè)單一的"正確"答案。但是許多蛋白質(zhì)有多種構(gòu)象狀態(tài)，它們都與功能有關(guān)。例如，決定一個(gè)酶是活躍還是被抑制。Elofsson說(shuō)："你可以嘗試調(diào)整AlphaFold以獲得一個(gè)或另一個(gè)，但無(wú)論你做什么，你往往只生成一個(gè)構(gòu)象。該算法根本不是為了模擬復(fù)雜的分子物理學(xué)而設(shè)計(jì)的，即使它在生成預(yù)測(cè)的同時(shí)捕捉到了這些力量的影響。要解決這樣的問(wèn)題，可能需要通過(guò)實(shí)驗(yàn)技術(shù)來(lái)顯示實(shí)際蛋白質(zhì)在多種狀態(tài)下的結(jié)構(gòu)，如低溫電鏡。"

AlphaFold2通常也不適合預(yù)測(cè)單個(gè)氨基酸的變化如何改變蛋白質(zhì)結(jié)構(gòu)，這是理解突變?nèi)绾螌?dǎo)致疾病的關(guān)鍵因素。Stein說(shuō)："這部分是因?yàn)樵撍惴ㄊ褂眠M(jìn)化的觀點(diǎn)，從許多略有不同的序列中收斂到一個(gè)正確的解決方案，他的工作重點(diǎn)是描述這種變體的特征"。她說(shuō)："如果你在某處翻轉(zhuǎn)一個(gè)殘基，你不能指望它突然說(shuō)'這是一場(chǎng)災(zāi)難'。然而，她和她的團(tuán)隊(duì)已經(jīng)發(fā)現(xiàn)，他們可以將深度學(xué)習(xí)產(chǎn)生的野生型蛋白質(zhì)結(jié)構(gòu)與其他突變分析算法相結(jié)合，以實(shí)現(xiàn)更準(zhǔn)確的預(yù)測(cè)。"

好消息是，結(jié)構(gòu)生物學(xué)家不會(huì)很快失去工作。事實(shí)上，他們現(xiàn)在可能能夠?qū)⒏嗟臅r(shí)間投入到該領(lǐng)域的其他緊迫問(wèn)題上。例如，英國(guó)劍橋大學(xué)的結(jié)構(gòu)生物學(xué)家Randy Read指出，AlphaFold2的結(jié)構(gòu)預(yù)測(cè)已經(jīng)幫助晶體學(xué)家克服了乏味的"相位問(wèn)題（phase problem）"，一個(gè)與解釋X射線衍射實(shí)驗(yàn)中產(chǎn)生的不完整數(shù)據(jù)有關(guān)的挑戰(zhàn)，從而大大加快了他們的數(shù)據(jù)解釋。

蛋白質(zhì)設(shè)計(jì)者也可以看到好處。從頭開(kāi)始（稱為新的蛋白質(zhì)設(shè)計(jì)）涉及到通過(guò)計(jì)算生成的模型，但在實(shí)驗(yàn)室中進(jìn)行測(cè)試。Zhang說(shuō)："現(xiàn)在你可以立即使用AlphaFold2來(lái)折疊它。這些結(jié)果甚至可以用來(lái)重新訓(xùn)練設(shè)計(jì)算法，以便在未來(lái)的實(shí)驗(yàn)中產(chǎn)生更準(zhǔn)確的結(jié)果。"

對(duì)AlQuraishi來(lái)說(shuō)，這些可能性意味著結(jié)構(gòu)生物學(xué)的一個(gè)新時(shí)代，強(qiáng)調(diào)蛋白質(zhì)的功能而不是形式。他說(shuō)："在很長(zhǎng)一段時(shí)間里，結(jié)構(gòu)生物學(xué)是如此專注于各個(gè)部分，以至于它把這些美麗的帶狀圖提升到幾乎就像結(jié)構(gòu)生物學(xué)自身的終點(diǎn)?，F(xiàn)在我認(rèn)為結(jié)構(gòu)生物學(xué)將贏得其名稱中的'生物學(xué)'部分。"