DeepMind AlphaFold AI 以機器學習預測蛋白結構，革新藥物研發

人工智慧已快速被應用於各種產業領域中。無論是下西洋棋、預測疾病、預測股市漲跌、模擬運動賽事的投注賠率、偵測信用卡詐欺、創作全新藝術品或譜寫莎士比亞戲劇，人工智慧的應用在過去十年持續成長。

DeepMind 是一間總部位於倫敦、隸屬於 Google 的人工智慧公司，專門建立學習玩電動遊戲的神經網路。該公司以能夠複製、排序及回憶簡單機器演算法的「神經圖靈機」（Neural Turing machine）聞名。

然而，直到去年為止，DeepMind 在結構生物學領域並不算知名。不過，DeepMind 透過創新的結合，將其從其他產業領域學到的知識，與其在機器學習和神經網路方面的才能與專業相融合，解決了結構生物學中最具挑戰性的問題之一——蛋白質摺疊問題。

歐洲生物資訊研究所（EMBL-EBI）與 DeepMind 透過分析動物、真菌和細菌界的蛋白質，來解決蛋白質摺疊問題。結合在蛋白質體學領域的知識與機器學習的技術專業，DeepMind 與 EMBL 打造了人工神經網路，以分析數百萬種蛋白質並繪製其結構。

蛋白質是生命的基石。所有活的動物細胞都是由蛋白質構成。蛋白質的一個關鍵特徵是其獨特的 3D 立體結構。3D 結構或蛋白質的摺疊模式，暗示了這些蛋白質的功能與行為。蛋白質的摺疊過程可能極為複雜，且該過程與模式受物理定律所主導。

自 1950 年代以來，生物學家、藥劑師、化學家、醫學與藥物研究人員持續努力理解蛋白質如何摺疊以及蛋白質摺疊的機制。研究人員也一直在努力繪製蛋白質的天然結構。在科學領域中，蛋白質摺疊挑戰是一個最佳化問題，目前需要在實驗室中耗費漫長的時間，利用 X 光晶體繞射進行徹底的試驗與測試，以最好地確定蛋白質的摺疊結構與特異性。蛋白質摺疊問題之所以複雜，是因為動物界中存在數百萬種蛋白質，且許多蛋白質具有獨特的摺疊結構。試想去預測它們的所有結構是多麼困難。

DeepMind 的 AlphaFold 利用神經網路計算了超過 2 億種蛋白質的結構。與 X 光晶體繞射等黃金標準測試相比，該公司的蛋白質摺疊資料模型具有顯著的精確度與高度準確性。在高度複雜的衍生蛋白質上，多數 AlphaFold 的預測準確度達到 90%。來自 AlphaFold 的資料已公布於開放的 UniProt 資料庫中，供全球研究人員、學者和科學家免費使用。

鑑於醫學科學中的蛋白質摺疊問題已獲解決，來自蛋白質結構的見解將有助於加速社會對細胞運作方式、生物細胞如何溝通，以及酵素與疾病如何互動的理解。

針對 AlphaFold 與 EMBL-EBI 的蛋白質摺疊發現，斯克里普斯研究轉化研究所（Scripps Research Translational Institute）創辦人兼所長艾瑞克・托波爾（Dr. Eric Topol）醫師評論道：「過去測定單一蛋白質的 3D 結構通常需要耗費數月或數年。現在只需幾秒鐘。AlphaFold 已經加速並促成了重大發現，包括破解核孔複合體的結構。隨著這項新加入的、幾乎照亮整個蛋白質宇宙的結構，我們可以預期每天都會有更多生物學謎團被解開。」

AlphaFold 的進展持續徹底改變科學界，其蛋白質技術或許將有助於針對癌症、愛滋病或阿茲海默症開發新的標靶藥物，甚至發現治療糖尿病、心臟病或高血壓等慢性病的療法。