总部坐落伦敦的试验室DeepMind研制的AI体系现已分别在围棋（AlphaGo）、世界象棋（AlphaZero）和星际争霸（AlphaStar）等一系列竞技范畴打败最顶尖的人类选手。现在，该试验室又在生物学范畴取得打破，根本解决困扰研讨人员半个世纪的一大难题。

  11月30日（周一），一项和蛋白质猜测相关的世界比赛宣告，在最新人工智能程序AlphaFold的协助下，DeepMind已能精确猜测蛋白质怎样折叠成3D形状，其猜测成果和愈加费时吃力的试验室成果根本适当。这将协助研讨人员更高效地整理导致某些疾病的机制，从而规划相关药物。

  作为人体最重要的化合物之一，人类对蛋白质结构与功用的探究由来已久。1972年，美国科学家克里斯蒂安·安芬森（Christian Anfinsen）凭仗可以精确的经过蛋白质的氨基酸序列来确认蛋白质形状的研讨成果收成诺贝尔化学奖。

  从那时起，研讨人员经过X射线、核磁共振和冷冻电镜技能破译了部分蛋白质结构，但这一进程需求几个月乃至几年的时刻。尽管计算机技能的开展极大地推动了对蛋白质结构的猜测，但到目前为止，生命体中已知的约2亿种氨基酸序列中，只要约17万种蛋白质结构得以确认。

  1994年，美国马里兰大学的约翰·穆尔特和搭档建议CASP比赛（即“蛋白质结构猜测技能批判性评价社区试验”），旨在比较计算机猜测的蛋白质结构和试验室的成果，精确度将以0-100的分数出现，得分在90分以上就可以为与试验室成果共同。

  俗称为“蛋白质奥林匹克”的CASP比赛每两年举办一次，来自全球的团队需求猜测大约100种蛋白质的结构。比赛建议当年，小而简略的蛋白质结构已能取得精确的猜测成果，但关于杂乱的蛋白质结构，猜测成果只要20分的水平。到2016年，最具应战的蛋白质结构猜测成果得分现已上升至40分。

  直到2018年，谷歌母公司Alphabet旗下的DeepMind携AlphaFold初次参赛，随即在最具应战的蛋白质结构上斩获60分，大幅抢先一切对手。

  但AlphaFold的研制负责人约翰·杰弗姆（John Jumper）表明，这些猜测依然过于粗糙，不具有任何生物学含义。

  两年来，AlphaFold持续使用公共蛋白质数据库中的已知蛋白质形状信息进行“学习”，并改进了算法。本年它再次参赛，其得分中值一举到达92.5分，在最具应战的蛋白质上也取得87分。

  CASP比赛组织者乃至忧虑DeepMind可能会做弊，因而评委之一，德国普朗克开展生物学研讨所科学家安德烈·卢帕斯（Andrei Lupas）把一种古生菌的膜蛋白归入应战。他的研讨团队在曩昔10年里都未能经过X射线取得该蛋白质的结构。

  但AlphaFold没有遇到任何费事，它交出了一份由三部分所组成的蛋白质图画，并协助卢帕斯团队理解了X射线的数据，在半小时内取得与AlphaFold的猜测相吻合的试验室成果。“这几乎是完美的，”卢帕斯说。“他们不可能在这件事上做弊，我不明白他们是怎样做到的。”

  马里兰大学的约翰·穆尔特也表明，研讨出一种蛋白质的形状需求贵重的设备，并且常常要数年时刻。“这是一个有50年前史的难题，我从来没想过会在有生之年看到这样的局面。”

  在实践使用方面，DeepMind表明渐渐的开端与几个科学集体协作，在初始阶段专心于疟疾、昏睡病和利什曼病这些热带寄生虫相关疾病，它们与许多不知道蛋白质结构有关。