蛋白質(zhì)是生命的物質(zhì)基礎(chǔ)，每個蛋白質(zhì)的氨基酸鏈扭曲、折疊、纏繞成復(fù)雜的結(jié)構(gòu)，想要破解這種結(jié)構(gòu)通常需要花很長的時間，甚至難以完成。截至目前，約有10萬個蛋白質(zhì)的結(jié)構(gòu)已經(jīng)用實(shí)驗方法得到了解析，但這在已經(jīng)測序的數(shù)10億計的蛋白質(zhì)中只占了很小一部分。

但“看清”蛋白的結(jié)構(gòu)和人類的很多疾病機(jī)理、藥物研發(fā)等等息息相關(guān)。在蛋白質(zhì)結(jié)構(gòu)解析的幾十年歷史中，X射線晶體學(xué)、核磁共振波譜學(xué)（NMR）、冷凍電鏡(Cryo-SEM)技術(shù)紛紛發(fā)揮了巨大的貢獻(xiàn)，但這些技術(shù)在科學(xué)界看來，都有著勞心勞力又價格高昂的缺點(diǎn)。

如何簡單地通過蛋白質(zhì)的氨基酸序列來預(yù)測其形狀？如何能解答這一問題，了解生命運(yùn)作方式的將打開截然不同的一扇窗。這種設(shè)想提出的50多年后，谷歌旗下人工智能公司DeepMind在去年12月的國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽CASP上投下重磅，他們開發(fā)的基于神經(jīng)網(wǎng)絡(luò)的新模型AlphaFold2擊敗了其他選手，在預(yù)測準(zhǔn)確性方面達(dá)到接近人類實(shí)驗結(jié)果，讓整個結(jié)構(gòu)生物學(xué)界震驚。

北京時間7月15日，DeepMind團(tuán)隊在頂級學(xué)術(shù)期刊《自然》（Nature）以“加快評審文章”(Accelerated Article Preview)形式在線發(fā)表了一篇題為“Highly accurate protein structure prediction with AlphaFold”的論文，全面詳述了半年前造成轟動的這一模型，并首次對外分享開源代碼。該論文于今年5月11日提交，7月12日被接收。

DeepMind團(tuán)隊向澎湃新聞（www.kxwhcb.com）記者提供了一份聲明，公司創(chuàng)始人兼首席執(zhí)行官Demis Hassabis在聲明中表示，去年在CASP14大會上我們揭曉了一個可以將蛋白質(zhì)3D結(jié)構(gòu)預(yù)測精確到原子水平的全新AlphaFold系統(tǒng)，此后我們承諾會分享我們的方法，并為科學(xué)共同體提供廣泛、免費(fèi)的獲取途徑。

“今天我們邁出了承諾的第一步，在《自然》期刊上分享AlphaFold的開源代碼，并發(fā)表了系統(tǒng)的完整方法論，詳盡細(xì)致說明AlphaFold是如何做到精確預(yù)測蛋白質(zhì)3D結(jié)構(gòu)的。作為一家致力于推動科學(xué)進(jìn)步的公司，我們期待看到我們的方法將為科學(xué)界啟發(fā)出什么其他新的研究方法，也期待很快能和大家分享更多我們的新進(jìn)展。”Hassabis表示。

值得一提的是，就在同一天，另一頂級期刊《科學(xué)》（Science）也在線發(fā)表了另一預(yù)測蛋白質(zhì)結(jié)構(gòu)的研究文章，題為“Accurate prediction of protein structures and interactions using a three-track neural network”。

來自華盛頓大學(xué)、哈佛大學(xué)、德克薩斯大學(xué)西南醫(yī)學(xué)中心等團(tuán)隊的研究人員開發(fā)了新的深度學(xué)習(xí)工具RoseTTAFold，其擁有媲美AlphaFold2的蛋白質(zhì)結(jié)構(gòu)預(yù)測超高準(zhǔn)確度，而且更快、所需計算機(jī)處理能力更低。同樣，研究團(tuán)隊也對外分享了開源代碼。該論文提交于6月7日，7月7日被接收。

清華大學(xué)生命科學(xué)學(xué)院院長、高精尖中心執(zhí)行主任王宏偉對澎湃新聞（www.kxwhcb.com）記者表示，“高質(zhì)量結(jié)構(gòu)預(yù)測的源代碼開放對整個科學(xué)界尤其是結(jié)構(gòu)生物學(xué)領(lǐng)域的促進(jìn)作用必然是巨大的。”他評價道，對于DeepMind這樣一家商業(yè)公司來說，“團(tuán)隊愿意向公眾分享代碼，是一個新型科研范式的突破，將整體上有利于人類更好地探索未知。”

預(yù)測蛋白質(zhì)結(jié)構(gòu)，接近實(shí)驗室測量

50多年前，科學(xué)家們就設(shè)想用計算機(jī)預(yù)測蛋白質(zhì)結(jié)構(gòu)。近年來，共同演化、接觸圖預(yù)測、深度機(jī)器學(xué)習(xí)等技術(shù)的引入，一些實(shí)驗室的算法精度有了很大程度的提高。

曾經(jīng)開發(fā)出Alphago、戰(zhàn)勝人類頂尖棋手的DeepMind團(tuán)隊是其中的佼佼者，其團(tuán)隊的強(qiáng)大和資源雄厚是一般實(shí)驗室無法企及的。2020年12月1日，他們在生物領(lǐng)域展現(xiàn)出實(shí)力，在兩年一度的權(quán)威蛋白質(zhì)結(jié)構(gòu)預(yù)測評估競賽（CASP）中用AlphaFold2擊敗其他參賽團(tuán)隊。

CASP是由馬里蘭大學(xué)John Moult教授等人于1994年組織。競賽使用的是最新解決且尚未在蛋白質(zhì)數(shù)據(jù)庫（PDB）中存放或公開披露的結(jié)構(gòu)，結(jié)構(gòu)生物學(xué)家們利用X射線晶體學(xué)、核磁共振波譜學(xué)、冷凍電鏡的方法，把這些蛋白質(zhì)的結(jié)構(gòu)解析出來。做蛋白質(zhì)結(jié)構(gòu)預(yù)測的團(tuán)隊則利用計算機(jī)程序來預(yù)測它們的結(jié)構(gòu)。最后由獨(dú)立的科學(xué)家團(tuán)隊則把計算機(jī)預(yù)測的模型和實(shí)驗室的結(jié)構(gòu)對照，分析不同計算機(jī)算法的預(yù)測結(jié)果。這是一種“雙盲”測試，長期以來一直是評價結(jié)構(gòu)預(yù)測準(zhǔn)確性的金標(biāo)準(zhǔn)。

去年的CASP14共有84個常規(guī)題目，其中有14題因為生物實(shí)驗沒給出確定結(jié)構(gòu)等原因被取消或延緩，其他70個題目的單體和復(fù)合物蛋白質(zhì)所含有的氨基酸個數(shù)從73到2180不等。

19個國家的215個小組參加了CASP14。DeepMind公司的AlphaFold2預(yù)測的大部分結(jié)構(gòu)達(dá)到了空前的準(zhǔn)確度，不僅與實(shí)驗方法不相上下，還遠(yuǎn)超解析新蛋白質(zhì)結(jié)構(gòu)的其他方法。

將實(shí)驗方法得到的蛋白質(zhì)結(jié)構(gòu)疊加在AlphaFold2的結(jié)構(gòu)上，組成蛋白質(zhì)主鏈骨架的疊加原子之間的距離中位數(shù)（95%的覆蓋率）為0.96埃（0.096納米）。成績排第二的方法只能達(dá)到2.8埃的準(zhǔn)確度。

AlphaFold2的神經(jīng)網(wǎng)絡(luò)能在幾分鐘內(nèi)預(yù)測出一個典型蛋白質(zhì)的結(jié)構(gòu)，還能預(yù)測較大蛋白質(zhì)（比如一個含有2180個氨基酸、無同源結(jié)構(gòu)的蛋白質(zhì)）的結(jié)構(gòu)。該模型能根據(jù)每個氨基酸對其預(yù)測可靠性進(jìn)行精確預(yù)估，方便研究人員使用其預(yù)測結(jié)果。

AlphaFold2最終被Moult評價道，“在某種意義上，問題已經(jīng)解決了”。

值得一提的是，在最新發(fā)布的論文中，DeepMind還簡化了AlphaFold2。AlphaFold的首席研究員John Jumper說，“這個網(wǎng)絡(luò)需要幾天的計算時間來生成CASP的一些蛋白質(zhì)的結(jié)構(gòu)，而開源版本的速度要快16倍。根據(jù)蛋白質(zhì)的大小，它可以在幾分鐘到幾小時內(nèi)生成結(jié)構(gòu)。”

受AlphaFold2的啟發(fā)，華盛頓大學(xué)醫(yī)學(xué)院生物化學(xué)家、蛋白質(zhì)設(shè)計研究所所長David Baker等人開發(fā)了RoseTTaFold。華盛頓大學(xué)醫(yī)學(xué)院官網(wǎng)對該研究的介紹稱，在高精度的蛋白質(zhì)結(jié)構(gòu)預(yù)測方面，Baker等人“在很大程度上重現(xiàn)了DeepMind團(tuán)隊的表現(xiàn)。”

相較于AlphaFold2只解決了單個蛋白質(zhì)的結(jié)構(gòu)，RoseTTaFold不僅適用于簡單的蛋白質(zhì)，也適用于蛋白質(zhì)復(fù)合物。據(jù)介紹，RoseTTaFold利用深度學(xué)習(xí)技術(shù)，根據(jù)有限信息準(zhǔn)確、快速地預(yù)測蛋白質(zhì)結(jié)構(gòu)。從結(jié)構(gòu)上來看，RoseTTAFold 是一個三軌（three-track）神經(jīng)網(wǎng)絡(luò)，它可以兼顧蛋白質(zhì)序列的模式、氨基酸如何相互作用以及蛋白質(zhì)可能的三維結(jié)構(gòu)。在這種結(jié)構(gòu)中，一維、二維、三維信息來回流動，使得網(wǎng)絡(luò)能夠集中推理蛋白質(zhì)的化學(xué)部分與它的折疊結(jié)構(gòu)。

巴塞爾大學(xué)的計算結(jié)構(gòu)生物學(xué)家Torsten Schwede對《科學(xué)》雜志說，許多生物功能依賴于蛋白質(zhì)之間的相互作用。“直接從序列信息中處理蛋白質(zhì)-蛋白質(zhì)復(fù)合物的能力使其對生物醫(yī)學(xué)研究中的許多問題極具吸引力。”

Baker同時坦言，AlphaFold2的結(jié)構(gòu)更加準(zhǔn)確。但是根特大學(xué)的結(jié)構(gòu)生物學(xué)家Savvas Savvides說，Bake實(shí)驗室的方法更好地捕捉到了“蛋白質(zhì)結(jié)構(gòu)的本質(zhì)和特性”，比如識別從蛋白質(zhì)側(cè)面伸出的原子串，這些特征是蛋白質(zhì)之間相互作用的關(guān)鍵。

紐約大學(xué)醫(yī)學(xué)院的細(xì)胞和結(jié)構(gòu)生物學(xué)家Gira Bhabha說，兩種方法都很有效。她表示，“DeepMind和Baker實(shí)驗室的進(jìn)展都是驚人的，將改變我們利用蛋白質(zhì)結(jié)構(gòu)預(yù)測推進(jìn)生物學(xué)的方式。”

開源代碼，如何促進(jìn)整個科學(xué)界？

相比于去年年底帶來的震撼，這次外界更感興趣的是上述兩支團(tuán)隊開源代碼這一動作。

此前的6月中旬，在Baker實(shí)驗室發(fā)布RoseTTAFold預(yù)印本三天之后，DeepMind的Hassabis在推特上表示，AlphaFold2的細(xì)節(jié)正在接受一份出版物的審查，公司將“為科學(xué)界提供廣泛的免費(fèi)訪問”。

而從6月1日開始，Baker等人已經(jīng)開始挑戰(zhàn)他們的方法，讓研究人員發(fā)送來他們最令人困惑的蛋白質(zhì)序列。加州大學(xué)舊金山分校的結(jié)構(gòu)生物物理學(xué)家David Agard的研究小組發(fā)送了一組沒有已知類似蛋白質(zhì)的氨基酸序列，幾個小時內(nèi)，他的團(tuán)隊就得到了一個蛋白質(zhì)模型，“這可能為我們節(jié)省了一年的工作。”Agard說。

除了免費(fèi)提供RoseTTaFold的代碼外，Baker團(tuán)隊還建立了一個服務(wù)器，研究人員可以插入蛋白質(zhì)序列并得到預(yù)測的結(jié)構(gòu)。貝克說，自從上個月推出以來，該服務(wù)器已經(jīng)預(yù)測了大約500人提交的5000多種蛋白質(zhì)的結(jié)構(gòu)。

不過，上述兩支團(tuán)隊的源代碼都是免費(fèi)的，但也有觀點(diǎn)認(rèn)為，對于沒有技術(shù)專長的研究人員來說，它可能還不是特別有用。不過，DeepMind的科學(xué)人工智能負(fù)責(zé)人Pushmeet Kohli表示，DeepMind已經(jīng)與一些選定的研究人員和組織合作，以預(yù)測特定的目標(biāo)，其中包括總部位于瑞士日內(nèi)瓦的非營利組織“Drugs for ignored Diseases”。“在這個領(lǐng)域，我們還有很多想做的事情。”

Hassabis提到，去年在CASP14大會上我們揭曉了一個可以將蛋白質(zhì)3D結(jié)構(gòu)預(yù)測精確到原子水平的全新AlphaFold系統(tǒng)，此后我們承諾會分享我們的方法，并為科學(xué)共同體提供廣泛、免費(fèi)的獲取途徑。“今天我們邁出了承諾的第一步，在《自然》期刊上分享AlphaFold的開源代碼，并發(fā)表了系統(tǒng)的完整方法論，詳盡細(xì)致說明AlphaFold是如何做到精確預(yù)測蛋白質(zhì)3D結(jié)構(gòu)的。作為一家致力于推動科學(xué)進(jìn)步的公司，我們期待看到我們的方法將為科學(xué)界啟發(fā)出什么其他新的研究方法，也期待很快能和大家分享更多我們的新進(jìn)展。”

DeepMind團(tuán)隊認(rèn)為，這一精準(zhǔn)的預(yù)測算法可以讓蛋白質(zhì)結(jié)構(gòu)解析技術(shù)跟上基因組革命的發(fā)展步伐。

Baker團(tuán)隊也提到，“我們希望這個新工具將繼續(xù)造福整個研究界。”

中國科學(xué)院合肥物質(zhì)科學(xué)研究院強(qiáng)磁場科學(xué)中心研究員謝燦對澎湃新聞（www.kxwhcb.com）記者表示，“總的來說，對學(xué)術(shù)界來肯定是好事，肯定會促進(jìn)結(jié)構(gòu)生物學(xué)和相關(guān)領(lǐng)域的發(fā)展。在承認(rèn)學(xué)術(shù)貢獻(xiàn)的基礎(chǔ)上的開放和共享，本來就應(yīng)該是學(xué)術(shù)研究最基本的要求。”

結(jié)構(gòu)生物學(xué)是謝燦的“老本行”，“我當(dāng)年花了8年的時間去解析一個蛋白的晶體結(jié)構(gòu)，我能切身體會如果有一個精準(zhǔn)預(yù)測蛋白結(jié)構(gòu)的算法出現(xiàn)，對結(jié)構(gòu)生物學(xué)家意味著什么。”

但他認(rèn)為，不必要擔(dān)憂這些算法的出現(xiàn)會讓結(jié)構(gòu)生物學(xué)家失業(yè)，在技術(shù)迭代之下，結(jié)構(gòu)生物學(xué)這些年受到的沖擊太多了，“而事實(shí)上，只不過是某一個領(lǐng)域某一個技術(shù)在某一個歷史階段更容易出工作出成績。”謝燦認(rèn)為，無論再精準(zhǔn)的預(yù)測，終究也只是預(yù)測，“AlphaFold2不是實(shí)驗，同樣也需要實(shí)驗去證實(shí)。”

王宏偉在AlphaFold2剛出現(xiàn)之時也曾評價道，對于復(fù)雜的結(jié)構(gòu)生物學(xué)問題，預(yù)測手段本身還不能號稱完全解決了問題。實(shí)驗結(jié)構(gòu)生物學(xué)領(lǐng)域接下來需要做的一個事情是要擁抱變化，更好地與預(yù)測方法結(jié)合以及共同發(fā)展。

相關(guān)論文鏈接：

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

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