Alphabet Inc．的DeepMind人工智能部門已經(jīng)取得了另一項科學(xué)成就。

該組織透露，它已經(jīng)建立了一個人工智能系統(tǒng)，能夠應(yīng)對當今生物學(xué)中最大的挑戰(zhàn)之一：模擬蛋白質(zhì)的形狀。

該系統(tǒng)被稱為AlphaFold，開發(fā)時間不少于兩年。在美國國家綜合醫(yī)學(xué)科學(xué)院（U．S． National Institute of General Medical Sciences）舉辦的CASP模擬競賽中，該軟件輕松擊敗其他97種算法，隨后DeepMind決定宣布該項目。

幾乎在每個生物過程中都會發(fā)揮作用的蛋白質(zhì)是扭曲和折疊成各種形式的氨基酸鏈。蛋白質(zhì)的形狀是決定其行為的主要因素之一。更好地了解這些特性可以讓科學(xué)家獲得對某些疾病的新見解——這些疾病被認為是由錯誤折疊的蛋白質(zhì)引起的，而且還會發(fā)現(xiàn)可能對藥物開發(fā)有用的分子。

DeepMind表示，AlphaFold代表了朝著實現(xiàn)這一目標前進的“重大進展”。該系統(tǒng)可以根據(jù)所包含的氨基酸計算預(yù)測蛋白質(zhì)的結(jié)構(gòu)，這家Alphabet的子公司表示其準確程度遠遠高于現(xiàn)有方法。如果是手動模擬平均大小的蛋白質(zhì)的每一種可能的結(jié)構(gòu)，要花的時間比宇宙的年齡更長，考慮到這一事實，這種算法取得的成就就不是一件小事了。

AlphaFold將任務(wù)分解為兩部分。首先，系統(tǒng)使用有關(guān)蛋白質(zhì)的氨基酸組成的信息來生成其默認（即展開）結(jié)構(gòu)的三維模型。

DeepMind解釋說：“我們網(wǎng)絡(luò)預(yù)測的屬性是：（a）氨基酸對之間的距離和（b）連接這些氨基酸的化學(xué)鍵之間的角度。”他們表示：“我們訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò)來預(yù)測蛋白質(zhì)中每對殘基之間距離的單獨分布。然后將這些概率組合成一個分數(shù)，評估該蛋白質(zhì)結(jié)構(gòu)的準確程度。”

三維模型準備就緒之后，AlphaFold就會計算出該蛋白質(zhì)最有可能的形狀。所有蛋白質(zhì)傾向于折疊成盡可能最節(jié)能形式，該系統(tǒng)利用這一事實來完成這一步工作，這有助于縮小可能性。 人工智能會嘗試不同的三維模型變體，以生成更高效的版本，直至找到最佳形式。

DeepMind表示：“我們的第一種方法建立在結(jié)構(gòu)生物學(xué)中常用的技術(shù)基礎(chǔ)之上，并用新的蛋白質(zhì)片段反復(fù)替換蛋白質(zhì)結(jié)構(gòu)片段。”他們表示：“第二種方法通過梯度下降優(yōu)化得分——一種常用于機器學(xué)習的數(shù)學(xué)技術(shù)，用于進行小的、漸進式的改進——以產(chǎn)生高度精確的結(jié)構(gòu)。”

據(jù)英國（The Guardian）報道，AlphaFold最初需要兩周時間才能產(chǎn)生預(yù)測，但現(xiàn)在可以在幾個小時內(nèi)完成任務(wù)。它在CASP模擬競賽提供的43種蛋白質(zhì)中，準確預(yù)測了25種，成功擊敗參與測試的其他97種算法。其中亞軍只正確預(yù)測了三個。