AlphaFold: 為生物學開創無限可能
引言
Alphabet 旗下的公司 DeepMind 在 2022 年 7 月 28 日宣布，由其開發的 AlphaFold AI 預測了幾乎所有已知的蛋白質結構，大大提高了對生物學的理解，加速了藥物研發和治療疾病的潛力。這項重大突破是在深度學習去年公開了 AlphaFold 系統的工作以及首次對人體使用的蛋白質進行了 98.5%的圖譜結構繪製之後問世的。如今 DeepMind（現在是 Google DeepMind）表示 AlphaFold 蛋白質結構資料庫已經被超過 120 萬名來自 190 個國家的研究人員使用，AlphaFold 在各個領域的應用率正在迅速增長。DeepMind（現在是 Google DeepMind）的執行長 Demis Hassabis 在接受 The Verge 的採訪時表示儘管 AI 聊天機器人在網路上風靡一時，他認為 AlphaFold 在 AI 領域對世界產生了“迄今為止最明顯的最大的有益影響”。他指出，幾乎世界上的每一位生物學家都在使用 AlphaFold，大型製藥公司也在使用它加快藥物研發專案的進展。
AlphaFold 的應用與效益
根據 DeepMind 的資料，AlphaFold 已經被應用於發現馬達加斯加的新的疾病威脅、開發更有效的瘧疾疫苗、研發治療癌症的新藥物以及解決抗生素耐藥性等問題。然而 AlphaFold 團隊並沒有止步不前，其中一位研究人員 Kathryn Tunyasuvunakool 在接受 VentureBeat 的採訪時表示蛋白質領域還存在很多問題尚未解決，希望在未來 10 到 20 年內能夠見到 AlphaFold 有更多的實際應用。她說：“我只是希望看到 AI 在生物學問題上繼續產生積極的影響。這是一個非常複雜且資料混亂的領域，我們需要計算機來幫助我們理清其中的聯動。”
AlphaFold 對蛋白質折疊挑戰的突破
DeepMind 在 2020 年 11 月首次發布了 AlphaFold，這是一項關於“蛋白質折疊挑戰”的論斷性突破。蛋白質是支援生命幾乎所有功能的複雜分子，由一鏈鏈的氨基酸組成，每個氨基酸都有其獨特的三維結構。解決蛋白質如何折疊成其獨特形狀的問題一直是一個困擾已久的問題，但 AlphaFold 提供了一種準確預測這些結構的新方法。該系統基於 10 萬至 15 萬個蛋白質的氨基酸結構進行訓練。Hassabis 在與 Ezra Klein 的最近一次播客中表示：“這無疑是我們從未遇到過的最複雜的系統，耗時五年工作，經歷過許多困難和錯誤的方向。”
未來的挑戰與展望
Tunyasuvunakool 強調儘管 AlphaFold 解決了一個重大挑戰，但蛋白質領域仍然存在許多尚未完全解決的“聖杯”問題。她表示：“對於蛋白質物理的更好理解將是一個重要議題。”她解釋說，AlphaFold 主要預測靜態蛋白質結構，但許多蛋白質透過隨時間改變形狀來執行其功能。“因此如果你考慮一個決定是否允許物質進出細胞的通道，它們往往會呈現兩種不同的形狀，對於某些應用，你真的關心的是這個結構相對於那個結構，或者理解它們在每個狀態中花費的時間有多長。”她解釋說，這種分佈對於醫學和藥物研發等領域非常重要，“擁有一個能夠預測蛋白質運動中多個狀態的模型將非常有幫助。”
結論
總的來說 AlphaFold 作為一個工具在生物學領域的廣泛應用令人興奮。“我認為這對計算生物學工具來說是非常不尋常的，”她說道。“到當前為止，超過 10000 篇論文引用了這項研究 - 我敢肯定這將是我一生中涉足的最大專案。”然而 DeepMind 在這一領域可能還有更大的野心。根據報導，Hassabis 在 2021 年推出了生物技術新創公司 Isomorphic Labs，該公司正在進行藥物研發，並以 AlphaFold 突破為基礎，既作為 DeepMind 的姐妹公司，也在繼續擴大。
延伸閱讀
- Google Deepmind 推出巨大的 AlphaFold 更新和免費蛋白質組學服務網路應用程式
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 今年的 Met Gala 主題是 AI 極深假裝
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- Pinterest AI 打造的拼貼圖比單張針腳更吸睛
- Atlassian 推出新的 AI 同事 Rovo
- 三星的營運利潤飆升 930％，AI 動能帶動記憶晶片需求
- GitHub 推出 Copilot Workspace：AI 驅動的軟體工程空間
- 「馬斯克的 xAI 示範 AI 新創公司的龐大市場潛力」
- 照片分享社群 EyeEm 將許可使用者的照片以訓練 AI，如果使用者不刪除照片
