DeepMind又有AI新突破,攻克50年未解「蛋白質折疊」難題!可望加速藥物研究

2020.12.02 by
陳建鈞
DeepMind又有AI新突破,攻克50年未解「蛋白質折疊」難題!可望加速藥物研究
YouTube
以圍棋AI AlphaGo聲名大噪的DeeoMind,宣佈成功以AI攻克50年未解的「蛋白質折疊」難題,可望對疾病研究、環境保護等領域帶來新突破。

還記得以AlphaGo聲名大噪的DeepMind嗎?現在這間頂尖的AI公司又再立下一個新里程碑,成功開發出一款AI軟體,攻克存在50年以上的科學難題,能夠準確預測蛋白質的折疊結構,無論對製藥、疾病學等領域都是非常大的進展。

DeepMind開發出的最新版本AlphaFold,成功獲得每兩年一度「蛋白質結構預測關鍵評量(CASP)」認可,能夠在短時間之內,準確預測出蛋白質折疊結構,誤差範圍達到0.16奈米內。若按照以往的作法,要確認蛋白質折疊結構往往得花上數個月、甚至數年時間。

CASP是於1994年首度舉辦的一項活動,希望找出預測蛋白質結構的方法,但直到AlphaFold出現以前,沒有挑戰者能夠提出獲得認可的解決方案。

花數週訓練AI,攻克難倒全球科學家50年問題

蛋白質是生物運轉的重要齒輪,而蛋白質折疊是指蛋白質獲得功能性結構的過程,依照結構的不同,蛋白質的功能也迥然不同,若能預測蛋白質折疊的結構,就能對其運作有更深度的理解,有助於開發疾病解藥,或者找出分解特定工業污染的酶。

1972諾貝爾化學獎得主克里斯蒂安.安芬生(Christian Anfinsen)曾在一項假設中估計,若要從胺基酸序列預測蛋白質架構,可能的折疊方式多如天文數字。而另一位生物學家塞瑞斯.列文塔爾(Cyrus Levinthal)則指出,蛋白質折疊存在10的300次方種可能性,若想暴力破解(brute force calculation),花費時間可能比宇宙的年歲還長,

AlphaFold曾在2018年首度參與挑戰,當年雖繳出所有挑戰者中最好的成果,依舊沒有達到過關標準,經過兩年時間調整,這次活動上才正式獲得評審認可,成為世上第一個能夠準確預測蛋白質折疊的解決方案。

「如何準確預測蛋白質折疊」是個困擾全球科學家50年的難題,DeepMind利用AlphaFold首度為這個難題找到答案。
YouTube

DeepMind的技術是利用資料庫中約17萬種蛋白質訓練AlphaFold,使其比較各個結構與胺基酸序列,使用了約100個至200個GPU的運算能力,並花費數個禮拜的時間進行訓練。

「我一直希望能夠活著看到這一天。」共同創辦CASP的馬里蘭大學教授約翰.摩爾特(John Moult)表示,「先前我對此不是很有把握。」

Google執行長桑德爾.皮蔡也在推特上祝賀,「DeepMind驚人的蛋白質折疊技術突破,能夠幫助我們更好地理解構成生命的基本元素,對於科學家研究疾病、環境永續等難題都有助益。」

遊戲得第一還不夠,DeepMind也想對世界有實質貢獻

2014年被Google收購的DeepMind,最著名的事蹟莫過於開發出擊敗李世乭、柯潔等頂尖圍棋高手的AlphaGo。其後又與遊戲公司暴雪合作,利用即時戰略遊戲《星海爭霸II》訓練AI挑戰人類玩家。

DeepMind研發的AlphaGo曾擊敗李世乭、柯潔等世界棋王,但這間AI公司希望他們的技術能夠實質地對世界帶來貢獻。
Google

縱使DeepMind的AI在各種遊戲叱吒風雲,這間英國AI公司的終極願景依舊是透過人工智慧技術,攻克現實世界中的各種待解問題。先前也曾與Google在印度測試能夠篩檢眼疾的AI技術,甚至協助控制Google資料中心的冷卻系統,進而節省40%用電。

「DeepMind的終極目標一直是打造通用人工智慧,加快科學發展的腳步,幫助我們進一步認識世界。」DeepMind執行長德米斯.哈薩比斯(Demis Hassabis)表示,經過4年發展,他們的系統已經足夠準確,現在演算法有能力應用於科學問題。

對於下一步,《MIT科技評論》指出,DeepMind計畫將AlphaFold使用在疾病研究上,如瘧疾、嗜睡病、利什曼病等,這些寄生蟲引發的疾病都牽涉到許多未知的蛋白質結構。

DeepMind首席科學家約翰.強波(John Jumper)強調,他們不想成為徒有虛名的公司,希望能在生物學上做出一些貢獻。

資料來源:紐約時報MIT科技評論DeepMind
責任編輯:錢玉紘

延伸閱讀

每日精選科技圈重要消息