據報道，在谷歌旗下人工智能公司DeepMind開展的一項研究中，人工智能技術已經預測了幾乎每種已知蛋白質的形狀。這一科學突破將大幅減少生物發現所需要的時間，助力新藥的研發。

　　在這項研究中，DeepMind使用AlphaFold算法建立了到目前為止最完整、最準確的蛋白質數據庫，收集了超過2億種已知的蛋白質。

　　僅僅依靠基因測序來預測蛋白質結構一直是生物學面臨的最大挑戰之一。目前，確定一種蛋白質形狀的實驗方法在實驗室里需要耗費幾個月到幾年的時間。因此到目前為止，只有大約19萬個已知蛋白質的結構問題得到實驗解決，占所有已知蛋白質的千分之一。

　　DeepMind首席執行官德米斯·哈薩比斯(Demis Hassabis)表示，人工智能“現在為結構生物學家提供了一種強大的新工具，你幾乎可以像在谷歌上進行關鍵詞搜索一樣，輕松地查找蛋白質的3D結構”。“AlphaFold也將迎來重大機遇，為可持續發展、食品安全和被忽視的疾病治療做出貢獻。”

　　2021年7月，DeepMind曾宣布，已經預測了所有人類蛋白質的形狀，從而可以更好地理解人體健康和疾病。目前，這個數據庫又擴大了200倍，包含了超過2億個預測的蛋白質結構，涵蓋了地球上幾乎所有已進行基因組測序的生物，不管是瘧疾寄生蟲還是蜜蜂。

　　目前，這些蛋白質結構可以通過歐洲生物信息研究所在歐洲分子生物學實驗室托管的公共數據庫查看。DeepMind表示，在AlphaFold這個數據庫推出的一年中，全球已有50多萬名研究人員訪問過數據庫，查閱了超過200萬種蛋白質結構。

　　歐洲分子生物學實驗室高級科學家、名譽主任珍妮特·桑頓(Janet Thornton)表示：“過去幾年里，幾乎每種上市的新藥在一定程度上都是基于對蛋白質結構的了解來設計的。能夠了解所有這些新結構，尤其是對于我們還沒有結構數據的不尋常生物體，我們不僅有機會去設計新藥，還可以確保這些藥物不會攻擊人類蛋白質或發生交叉反應。”

　　蛋白質被認為是生命的基石。蛋白質的結構很重要，因為這決定了蛋白質如何發揮作用。了解一種蛋白質的形狀，例如Y型抗體，可以幫助科學家更多地了解該蛋白質的作用。

　　如果能夠方便地預測蛋白質的形狀，科學家就可以控制并修改蛋白質，進而通過修改基因序列來優化其功能，或是設計專門瞄準該蛋白質的藥物。例如，研究瘧疾寄生蟲的表面蛋白有助于理解抗體是如何與其結合的，從而可以更好地了解如何更有效地對抗病原體。

　　牛津大學研究瘧疾的生物化學教授馬修·希金斯(Matthew Higgins)說：“AlphaFold的應用具有變革意義，讓我們對瘧疾的表面蛋白有了更清晰的認識。”他的團隊正在利用這些新信息來開發新的瘧疾疫苗。

　　雖然科學家仍然需要通過實驗來確認蛋白質結構，但AlphaFold的這些預測信息提供了更好的起點，并縮短實驗過程所需的時間。

　　DeepMind還表示，已經將病毒蛋白質排除在數據庫之外，以防止這些數據被生化恐怖分子當作武器使用。

　　此外，2021年11月，DeepMind宣布分拆成立一家新公司同構實驗室。該公司將應用AlphaFold和其他人工智能工具來加速藥物的研發。該公司周四宣布，將在著名的生物醫學研究機構弗朗西斯·克里克研究所建設傳統的濕式實驗室，以實現這一目標。

　　哈薩比斯對此表示：“我們可以開始思考端到端的藥物設計。這是我的夢想，你可以加速整個流程，不僅僅是新藥和新治療方法的結構部分。這一天即將到來。”