近來，網上流傳著一個關于布局生物學家顏寧返國“實在緣由”的說法，稱alphafold 2（阿爾法折疊2）等人工智能體系的問世，讓布局生物學家面對“賦閑”窘境。知乎上有些人寫道：“顏寧傳授看到alphafold，就像驍勇善戰的部落領袖看到了航空母艦。不管是顏寧不可，反而是英國deepmind太壯大了。”

　　事實是不是如斯？解放日報·上觀新聞記者采訪了盤算生物學家、復旦大學龐雜體系多標準研究院院長馬劍鵬傳授。他領導團隊已開收回功能與alphafold 2類似的opusfold（作品折疊）體系。他直言：“ai（人工智能）讓一流布局生物學家賦閑，是我聽說過的最荒誕乖張的說法。”

　　ai助力摘取“皇冠上的明珠”

　　“阿爾法折疊2”是谷歌旗下深度思想（deepmind）公司的產物，取“阿爾法圍棋”相仿，全是采取機械進修技能的人工智能體系。正在2020年進行的國際蛋白質布局展望大賽上，“阿爾法折疊2”奪得冠軍，它展望的蛋白質三維布局取實驗測定的布局只有很小差別，被《科學》雜志評為“2020年十大科學打破”之一。

“阿爾法折疊2”猜測（藍色）和實驗測定（綠色）的蛋白質構造幾近完整符合。泉源：deepmind

　　為什么要用人工智能體系展望蛋白質三維布局？馬劍鵬詮釋，蛋白質由一系列氨基酸折疊而成。氨基酸線性排列成一條長鏈，把它放到水里，整條鏈會正在微秒至毫秒內折疊成一個穩固的三維布局。研討氨基酸長鏈若何自覺地折疊成三維布局，簡稱“蛋白質折疊”題目，因其重要性和復雜性，被視作當代份子生物學“皇冠上的明珠”。正在應用領域，小份子藥物研發的根蒂根基便是蛋白質布局剖析，只有探明目的蛋白質的“三維輿圖”，才可以找到藥物作用于蛋白質的靶點。

　　對科學家而言，測定氨基酸序列相對簡單，但剖析蛋白質布局的難度很大，由于蛋白質布局取決于幾千個氨基酸各個原子間的彼此作用力。依據已知氨基酸序列，用計算機猜測蛋白質布局的運算量，連世界上最快的超等計算機還很難接受。

　　伴隨著深度進修、強化進修等人工智能技術的鼓起，測算生物學涌現了跨越式進展。“阿爾法折疊2”等體系正在進修實驗測定的大批蛋白質構造后，具有了憑據氨基酸序列正確展望構造的才能。本年，深度思惟公司公布數據集更新，稱“阿爾法折疊2”已展望幾近一切已知的蛋白質。

　　顏寧院士根據微博回應傳言

　　既然人工智能體系能夠精確展望蛋白質布局，那末布局生物學家是不是會面對“賦閑”窘境？

　　據介紹，構造生物學是一門研討生物大分子的三維空間構造、靜態歷程和生物學功效的交叉性學科。剖析各類蛋白質的三維構造，是構造生物學家的一項主業。作為國際著名的構造生物學家，顏寧傳授曾在清華大學、普林斯頓大學事情，是美國國度科學院外籍院士、美國藝術取科學院院士。本月，她泄漏本人已向普林斯頓大學遞交辭呈，沒有久后將全職返國，到場創立深圳醫學科學院。

　　關于網傳顏寧返國“實在緣由”的說法，她已經過微博回應：在她研討的電壓門控鈉離子和鈣離子通道行業，“阿爾法折疊2”進修了她率領團隊剖析的多個生物布局后，客歲的猜測精度達到了顏寧團隊2017年的程度，本年則沒有發展。“ai團隊干猜測，我們干實驗，測試新型小份子取卵白的相互作用，迄今為止猜測無一精確。”

　　“干濕連系”成為生物學趨向

　　馬劍鵬透露表現，“阿爾法折疊2”遠遠沒有到達代替構造生物學家的本領。今朝，它只會猜測單鏈蛋白質的構造，根本不具備猜測多鏈蛋白質構造的功用。并且正在單鏈蛋白質猜測層面，因為人工智能猜測基于對已知蛋白質構造的比對進修，它對與其同源的蛋白質構造猜測是比力正確的，然而應對具有“孤兒序列”（氨基酸序列只此一家，別無分店）的蛋白質時，“阿爾法折疊2”通常就沒法正確猜測了。

　　別的，正在蛋白質側鏈展望層面，“阿爾法折疊2”也是有較大的提拔空間。2021年，復旦大學龐雜體系多標準研究院正在英國《生物信息學簡報》上揭曉論文，呈報他們開辟的“作品折疊”正在蛋白質側鏈展望精度上，比“阿爾法折疊2”高。據介紹，蛋白質三維布局由主鏈和側鏈搭建而成。藥物份子取蛋白質的融合大多數經由過程取氨基酸側鏈相互作用來實現，所以人工智能體系對側鏈布局的精準展望，對新藥研發具有主要價值。

藍色為蛋白質側鏈自然構象，赤色為“作品折疊”猜測成果。

　　由此可見，人工智能并不會讓構造生物學家“賦閑”，二者并不是代替干系，反而是互補干系。“alphafold 2對顏寧如許的一流實驗構造生物學家來講，有百利而無一害。”馬劍鵬說，“實驗構造生物學家也是要用計算機建模的，alphafold 2、opusfold這種軟件能夠加速建模速度，進步蛋白質構造剖析的效力。”

　　現在，“干濕聯合”已成為構造生物學研討的趨向。長期以來，展開測算生物學研討的“干實驗室”是生物學的副角。伴隨著人工智能的鼓起，這個副角已逐步生長為主角，取實驗生物學家事情的“濕實驗室”更慎密地聯合在一起，配合探索性命分子構造的神秘。

　　“真正的研究者皆樂于擁抱技能進步，擅長用各類技能往探尋、解答自身感興趣的題目。”顏寧默示，“我希望ai愈來愈強盛。”