說到 DeepMind ，相信大部份人都會想起數年前的圍棋大賽。不過，這間 Google 旗下公司的最新研究成果 AlphaFold ，成功利用人工智能 (AI) 幫助找出蛋白質的立體結構。

蛋白質是由不同胺基酸 (amino acid) 所組成，更是生命構成的重要結構。蛋白質的運作機制和相應功能，都是取決於其立體形狀結構。要找出它們的結構，其中一類方法是透過被稱為「黃金標準」的實驗方法 —— X 光晶體學 (Crystallography) 或者用低溫電子顯微鏡 (Cryo-EM) 。

另一方法則是透過電腦運算，嘗試推測胺基酸序列會組成甚麼形狀的蛋白質結構，以加快涉及蛋白質結構的研究工作。然而，初期的電腦模擬技術運算所得的結果強差人意，未能準確、有效地推斷到蛋白質形狀。

馬里蘭大學計算生物學家 John Moult 因此就在 1994 年設立雙年舉行的蛋白結構預測挑戰賽 (Critical Assessment of Structure Prediction, CASP) 。繼 2018 年後，DeepMind 今年再參與 CASP，但今屆他們所研發的人工智能系統 AlphaFold 表現不僅比另外約 100 隊參加隊伍理想，而且有份評審的科學家更形容為可預示生物學新一場革命。

在今次挑戰中， DeepMind AlphaFold 在預測部份蛋白結構時，表現甚至與有「黃金標準」之稱的實驗方法所得的結果一樣。短期內， AlphaFold 雖未能直接取替最標準、可靠的黃金標準，但現時仍協助科學家以新方法研究蛋白質結構。

帶領開發 AlphaFold 的 DeepMind 科學家 John Jumper 解釋，最初他們將預測系統分作兩部份，首先透過深度學習從結構及基因數據中，尋找著蛋白質內胺基酸對距離的模式，之後再以此設計出一套運算模型預測蛋白結構。然而，他們發現此方法效果不太理想， DeepMind 研究人員再在 AI 系統中，加入一些物理及幾何結構的限制後，直接訓練系統預測結構，而非胺基酸關係的模式。

Moult 指，所有隊伍在今屆比賽中表現都比去年出色。其中，在中等難度的題目中，各隊最高得分平均為 75 分（100 分為滿分），但 DeepMind 表現尤其出眾，獲得約 90 分的佳績。除 DeepMind 外，不少學術研究隊伍，以及微軟和騰訊都有派出隊伍參與。

DeepMind 創辦人之一的 Demis Hassabis 計劃將 AlphaFold 改造，讓系統更適合生物學家使用。他們的團隊也公開發表了初代 AlphaFold 的研究成果，可供科學家參考。不過， Hassabis 指現時系統仍須一段時間才可預測到蛋白立體結構，而他們也在了解生物學家對系統有甚麼特別需求，相信將可應用於藥物開發或者蛋白質設計中。 DeepMind 年初也發表了他們對於武漢肺炎病毒 (SARS-CoV-2) ，其中一種名為 Orf3a 蛋白結構的預測，而結果也與實驗觀察到的相近。

來源：
Nature, ‘It will change everything’: DeepMind’s AI makes gigantic leap in solving protein structures, 30 November 2020

文／Edward Ho