DeepMind新推出的AlphaFold模型在药物研发中展现更大潜力

　　大约五年前，谷歌旗下的人工智能研究实验室DeepMind推出了AlphaFold，这是一个能够准确预测人体内多种蛋白质结构的人工智能系统。自那时起，DeepMind对该系统进行了持续改进，并于2020年发布了更新且更强大的版本——AlphaFold 2。

　　目前，DeepMind宣布，AlphaFold 2的继任者已能够对蛋白质数据库（Protein Data Bank）中的几乎所有分子生成预测。蛋白质数据库是全球最大的开放获取生物分子数据库。

　　根据DeepMind博客上的一篇文章，从DeepMind衍生出的专注于药物发现的Isomorphic Labs已将新的AlphaFold模型应用于治疗药物设计，帮助表征与治疗疾病相关的不同类型分子结构。

新功能

　　新版本的AlphaFold在蛋白质预测方面的能力得到了显著扩展。DeepMind声称，该模型不仅可以准确预测配体的结构——这些分子与“受体”蛋白质结合并引发细胞通讯方式的变化——还可以预测核酸（携带关键遗传信息的分子）和翻译后修饰（蛋白质产生后发生的化学变化）。

　　DeepMind指出，预测蛋白质配体结构可能成为药物发现的重要工具，因为它能够帮助科学家识别和设计潜在的新药分子。目前，制药研究人员通常使用被称为“对接方法”的计算机模拟来确定蛋白质与配体之间的相互作用。这种方法需要指定参考蛋白质结构及配体在该结构上的结合位置。

　　然而，最新的AlphaFold模型不再需要参考蛋白质结构或建议位置。该模型能够预测以前没有“结构特征”的蛋白质，并模拟蛋白质与核酸如何与其他分子相互作用。DeepMind表示，目前的对接方法无法达到这样的建模水平。

　　DeepMind在其发布的帖子中提到：“早期分析表明，我们的模型在一些与药物发现相关的蛋白质结构预测问题上的表现显著优于上一代AlphaFold，例如抗体结合。我们的模型在性能上的巨大飞跃表明，人工智能有潜力极大地增强对构成人体的分子机器的科学理解。”

　　尽管如此，最新的AlphaFold仍存在不足之处。在一份详细介绍该系统优势和局限性的白皮书中，DeepMind和Isomorphic Labs的研究人员指出，该系统在预测RNA分子结构方面尚缺乏一流的方法。RNA分子在体内负责携带制造蛋白质的指令。

　　毫无疑问，DeepMind和Isomorphic Labs正在积极努力解决这一问题。