人工智能領(lǐng)域第一大家族，來自DeepMind的Alpha家族最喜歡做的事情就是出其不意。

它們所有的小確幸都是，意料之中、精彩尤甚。

比如之前一戰(zhàn)成名的AlphaGo、后續(xù)傲嬌的AlphaZero，以及這兩天剛剛加入家族戰(zhàn)隊的AlphaFold，中文封號為，阿爾法折疊。

生物醫(yī)學(xué)領(lǐng)域，一向都是冷靜與熱情并存，而這位AI新寵兒AlphaFold的性格雖然還不明朗，但至少目前看來，勢必會引發(fā)生物醫(yī)學(xué)領(lǐng)域新一輪的研究加速。

“小奇妙”阿爾法折疊

據(jù)DeepMind介紹，阿爾法折疊這項成果的重大意義就在于，你給它一段基因序列（生物學(xué)上稱其為蛋白質(zhì)一級結(jié)構(gòu)），在電腦上跑一下，就可以成功對這種蛋白質(zhì)建模。

看似簡單，但意義非凡。

在過去五十年，和阿爾法折疊起到相同功能的技術(shù)有冷凍電子顯微鏡、核磁共振或X射線晶體學(xué)等實驗技術(shù)。單看儀器，它們就需要高昂的價格，但最重要的是，其實驗成本也很高，需要專人做大量的實驗，器材損耗不說，實驗用料就要花費數(shù)萬美元。

花錢不說，最主要的是，整個過程太慢，需要耗費研究者幾年甚至數(shù)十年的光陰。

有了阿爾法折疊就不一樣了，生物學(xué)家再也不用在實驗器材面前耗費數(shù)十年的光陰，只需要簡單錄入數(shù)據(jù)就好。

當(dāng)然，阿爾法折疊的好處不僅這么點，最終它還是惠及到我們普羅大眾的身上。

以老年癡呆癥（學(xué)名為阿爾茨海默氏癥）為例，它在人體的潛伏期長達(dá)十幾年之久，且病因復(fù)雜，以目前的醫(yī)學(xué)技術(shù)，臨床上甚至很難在發(fā)病前幾年檢測出這一疾病。

在生物學(xué)研究上，科學(xué)家普遍認(rèn)為蛋白質(zhì)的變化是引發(fā)老年癡呆的病因。換句話說，老年癡呆患者的某一部分蛋白質(zhì)長得一定和正常人不一樣。但是由于我們的研究速度太慢，所以生物學(xué)家不知道身體中所有的蛋白質(zhì)形態(tài)，因此檢測哪一部分不一樣就難如登天。

想象一下，通過阿爾法折疊，提前十年檢測老年癡呆就容易多了，只要通過電腦看下蛋白質(zhì)長得是否有差異就可以了。

人工智能對蛋白質(zhì)結(jié)構(gòu)的“深度寵愛”

這一次，讓阿爾法折疊一戰(zhàn)成名的還是一項比賽。

在1994年，為了促進(jìn)研究和衡量最新方法在提高預(yù)測準(zhǔn)確性方面的進(jìn)展，蛋白質(zhì)結(jié)構(gòu)預(yù)測技術(shù)關(guān)鍵評估社區(qū)范圍實驗（CASP）的雙年度全球競賽被設(shè)立。演變至今，其比賽結(jié)果已經(jīng)成為行業(yè)標(biāo)準(zhǔn)。

雖然沒有AlphaGo當(dāng)年成名那么壯觀，但作為阿爾法家族的一員，阿爾法折疊一出手就是不凡。在今年的CASP比賽上，它不出所料的成功拿到了第一。

據(jù)DeepMind官網(wǎng)上的介紹，基于深度神經(jīng)網(wǎng)絡(luò)，他們設(shè)計了兩種方法以用來構(gòu)建完整而精確的蛋白質(zhì)結(jié)構(gòu)。

首先，他們先采集氨基酸對之間的距離和連接這些氨基酸的化學(xué)鍵之間的角度數(shù)據(jù)，接著將這些數(shù)據(jù)設(shè)計成用以評估蛋白質(zhì)結(jié)構(gòu)準(zhǔn)確度的分析工具。

使用這一分析工具，研究團(tuán)隊想出第一種方法，就是在現(xiàn)有蛋白質(zhì)數(shù)據(jù)庫里找到最匹配的蛋白質(zhì)，如果找不到，他們就基于最接近的搜索結(jié)構(gòu)上，用新的基因片段不斷替換，以創(chuàng)造出匹配要求的新結(jié)構(gòu)。

而這第二種方法要更簡單一些。據(jù)他們介紹，研究人員主要用的就是梯度下降 －a數(shù)學(xué)技術(shù)，它的精度相較于第一種會更高一些。相較于第一種方式，這種技術(shù)一步就可以預(yù)測整個蛋白質(zhì)鏈，而不用經(jīng)歷組裝的過程，整個過程更簡單。

DeepMind沒有公布更多細(xì)節(jié)，但經(jīng)過這樣“簡單”的設(shè)計，奇跡就這樣發(fā)生了。

最后，科普來了

在人體內(nèi)，蛋白質(zhì)是一種神奇的存在。

眾所周知，蛋白質(zhì)是構(gòu)成人體結(jié)構(gòu)的主要成分，其含量僅次于水，約占一個人體重的五分之一。我們身體所要執(zhí)行的幾乎所有功能，包括肌肉的收縮與拉伸、身體對光線的感知和食物的轉(zhuǎn)化，都需要蛋白質(zhì)在其中起關(guān)鍵作用。

而科學(xué)家指出，蛋白質(zhì)的結(jié)構(gòu)很大程度上決定了一種蛋白質(zhì)的特性，因此研究蛋白質(zhì)3D結(jié)構(gòu)的重要性就顯而易見了。在我們的身體里，這樣的案例比比皆是，如構(gòu)成我們免疫系統(tǒng)的抗體蛋白質(zhì)是“Y形”的；膠原蛋白的形狀像繩索；用于基因編輯的CRISPR和Cas9，它們則像剪刀一樣。

但是純粹從基因序列只能夠找出蛋白質(zhì)的三維形狀是一項復(fù)雜的任務(wù)，按照傳統(tǒng)的研究方法，科學(xué)家需要從一級結(jié)構(gòu)、二級結(jié)構(gòu)來一層層研究，花費幾十年甚至千百年才能夠完全建立蛋白質(zhì)的形態(tài)模型。

而阿爾法折疊的出現(xiàn)，讓生物學(xué)家省去了不少功夫。

在DeepMind官網(wǎng)上，他們是這么介紹這一重大成果的面世的：“我們很高興與大家分享DeepMind在展示人工智能研究如何推動和加速新科學(xué)發(fā)現(xiàn)方面的第一個重要里程碑。DeepMind匯集了來自結(jié)構(gòu)生物學(xué)、物理學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域的專家們，通過跨學(xué)科方式將尖端技術(shù)運用其中，設(shè)計出了僅根據(jù)其基因序列就可以預(yù)測蛋白質(zhì)3D結(jié)構(gòu)的AlphaFold�！�