展开全文

AI又让学术圈沸腾了，《Science》和《Nature》甚至齐齐发文。

去年谷歌旗下AI公司Deepmind开发出一项名为Alphafold2的AI算法，在生物界引起了极大的轰动，它能准确地预测蛋白质的结构，以至于许多人宣布这个长达数十年的问题“已被解决”。

当时此消息一出，立刻登上了Nature杂志封面，标题直接评论为：“它将改变一切！”李飞飞、马斯克等众多大佬纷纷点赞、转发。这项技术甚至被评为2021年十大科学突破之一。

而今天AlphaFold2终于开源：DeepMind 的 CEO 哈萨比斯等人在 《Nature 》上也发表论文，公布了 AlphaFold2 的源代码，并且详细描述了它的设计框架和训练方法。

而更惊喜的是，这项技术不再是Deepmind一家独大，同日，《Science》发表了来自华盛顿大学 David Baker 团队的蛋白质结构预测论文，开发了名为 RoseTTAFold 的蛋白质结构预测系统。

而且该团队开发出的算法更快更轻便，只需要一个英伟达RTX2080 GPU，10分钟就能算出蛋白质结构。

AI预测蛋白质折叠，为何让学界如此狂热？

蛋白质的精确形状决定了它能实现的生化功能，50年来，科学家们一直在努力解决生物学最大的挑战之一: 预测氨基酸在成为真正的蛋白质时会折叠成什么样。

这个问题于1972年被克里斯蒂安·安芬森提出，它的验证曾经困扰科学家50年：

给定一个氨基酸序列，理论上就能预测出蛋白质的3D结构。

传统的方法是实用X光和低温电子显微镜，这些方法费时费力，而且在已知的2亿种蛋白质中，只有17万种有详细的分子图谱。今年，由英国 DeepMind 研究人员开发的人工智能AlphaFold实现了这个目标，可以精确地预测出大多数蛋白质的结构。

这个新项目可以帮助研究人员发现疾病的发病机制，研发新药，甚至改造出更耐旱的植物。

在过去的几十年中，人类已经能够利用冷冻电子显微镜、核磁共振或 X 射线晶体学等实验技术确定蛋白质的基本结构，但这些技术基于大量试错，往往需要花费数年时间，成本也非常高。

而此前的AI算法，在CASP14（蛋白质结构预测比赛）中，准确性也只达到40分左右（满分100）。

在去年的比赛中，AlphaFold2 预测的大部分结构达到了空前的准确度，不仅与实验方法得出的结果不相上下，还远超解析新蛋白质结构的其他方法。

华盛顿大学团队角力DeepMind，科研界的「卷」让世界进步

但当时这个消息并未让所有学界内的人都感到兴奋。

华盛顿大学的David Baker就是其中之一。

David Baker

David Baker 表示，2020年 DeepMind 在CASP14大会上的表现，给业界带来极大震撼，AlphaFold系统对蛋白结构的预测如此精准，让学术界产生了许多悲观情绪，他自己甚至一度觉得要失业了。

但他很快调整心态，决定挑战AlphaFold系统。

Baker带领的团队开发出的RoseTTAFold，初衷就是因为DeepMind没有开源AlphaFold的代码，最后他们联合哈佛大学、剑桥大学等机构研发出了这个基于深度学习的RoseTTAFold，准确率上媲美AlphaFold2，而且所需算力仅为其零头，团队也已经在github上开源了代码，这让很多条件落后的单位也有机会使用这些AI工具。

RoseTTAFold 是一个三轨道神经网络，输入兼顾了蛋白质序列、氨基酸如何相互作用以及蛋白质可能的三维结构，然后采用类似RNN的循环结构，让三个维度的信息可以来回交流，所以预测会天然考虑物理和化学作用。

从Github目前的Star数量来看，DeepMind的AlphaFold更胜一筹，有两千多个，RoseTTAFold只有三百多。

但是从可行性上来讲，RoseTTAFold要好一些，毕竟比起有谷歌支持的Deepmind，动辄上T的内存需求和超贵的显卡，不是哪个实验室都能拥有。

那看看Deepmind这次开源发表的文章有无更好看的点。

Deepmind的首席执行官哈赛比斯等人在 Nature 的文章名为《Highly accurate protein structure prediction with AlphaFold》，首次透露了AlphaFold的完整方法论，包括设计原理和细节，并开源了代码，它可以在原子水平上预测蛋白质结构。

AlphaFold 所使用的深度学习算法，利用的是多序列对齐，还结合了蛋白质结构的物理和生物学知识来提升效果。

AlphaFlod 首次参加 CASP 就准确地预测出了 43种蛋白质中的25 种，它专注于从头开始建模目标蛋白质的形状，且并不使用先前已经解析的蛋白质作为模板，也就是说，它并不会参考之前已知的蛋白结构。

AlphaFold 网络直接预测给定蛋白质的所有原子的三维坐标，使用基本氨基酸序列和同源序列的对齐序列作为输入。

同为一作的John Jumper开篇讲了一下核心观点，将物理直觉融入到了网络结构中，端对端直接生成结构取代了残基的距离矩阵，从图的角度出发预测蛋白质的物理和几何结构。

有意思的是，Nature 特意在论文标题前开头备注：“这是一份未经编辑的手稿，但是已允许出版。Nature Research 乐意为作者和读者提供这份手稿的早期版本。”

难道是已经感受到了被后辈超越的危机？

今天两篇论文的相继登出，颇有几分学界向企业界挑战、捍卫自身领域科研未来的戏剧化味道。

但不管谁最后胜出，都将对未来的药物设计、疾病治疗带来革命性的变化。

论文链接：

https://www.nature.com/articles/s41586-021-03819-2

https://science.sciencemag.org/content/early/2021/07/14/science.abj8754