Alphabet Inc. DeepMind人工智能部门取得了另一项科学成就。该组织透露，它已经建立了一个人工智能系统，可以应对当今生物学中最大的挑战之一：模拟蛋白质的形状。该系统称为AlphaFold，开发时间不少于两年。在美国国立普通医学科学研究所举办的CASP模拟竞赛中，该软件轻松击败了其他97种算法，然后DeepMind决定宣布该项目。几乎在每个生物过程中都起作用的蛋白质是被扭曲并折叠成各种形式的氨基酸链。蛋白质的形状是决定其行为的主要因素之一。更好地了解这些特性可以使科学家对某些疾病（被认为是蛋白质折叠错误引起的疾病）获得新见解，并发现可能对药物开发有用的分子。 DeepMind说，AlphaFold代表了“重大进展”。实现这个目标。该系统可以根据蛋白质所含的氨基酸来计算和预测蛋白质的结构。这家Alphabet子公司表示，其准确性比现有方法高得多。如果您手动模拟平均大小的蛋白质的每个可能结构，则所需时间将比宇宙的寿命更长。考虑到这一事实，该算法的实现并不是一件容易的事。 AlphaFold将任务分解为两部分。首先，系统使用有关蛋白质氨基酸组成的信息来生成其默认（即未折叠）结构的三维模型。 DeepMind解释说：“我们的网络预测的属性是：（a）氨基酸对之间的距离和（b）连接这些氨基酸的化学键之间的角度。”他们说：“我们训练了神经网络来预测蛋白质每对残基之间距离的个体分布。然后将这些概率合并成一个分数，以评估蛋白质结构的准确性。准备好三维模型后，AlphaFold将计算最可能的蛋白质形状。所有蛋白质都倾向于折叠成最节能的形式，并且系统利用这一事实来完成此步骤，这有助于缩小可能性。人工智能将尝试不同的3D模型变体以生成更有效的版本，直到找到最佳形式为止。 DeepMind说：“我们的第一种方法是基于结构生物学中常用的技术，并用新的蛋白片段反复替换蛋白的结构片段。”他们说：“第二种方法是通过梯度下降来优化分数，这是一种机器学习中常用的数学技术，可以进行较小的增量改进，从而生成高度准确的结构。”根据英国《卫报》的报道，AlphaFold最初花费了两周的时间来做出预测，但是现在该任务可以在几个小时内完成。它可以准确预测CASP模拟竞赛提供的43种蛋白质中的25种，并成功击败了参与测试的97种其他算法。其中，亚军只正确预测了三个。