清华大学生命科学学院教授王宏伟也认为,人工智能极大地释放了劳动力,使得结构生物学家未来可以把更多的精力放在理解更加复杂的复合体的结构,分析生物大分子结构的动态,以及分子机制的研究上,而不是花费大量精力和时间在解结构的过程中。 李海涛和王宏伟还不约而同地表示,冷冻电镜将在验证人工智能预测发挥更大的作用,正是因为预测蛋白结构的准确率和速度越来越快,会有更多的验证工作要去做。另外,冷冻电镜最重要的优势就是在解析复合体的结构和解决溶液与原位状态不同构象的分子机器的结构,而这是人工智能目前无法做到的。 “毋庸置疑的是,近年来随着AI和算力的快速发展,生命科学的各个领域将面临逐步智能化的升级。从AI的角度,蛋白质结构预测在一定程度上是生命活动中相对比较容易建模的过程,较少依赖大数据。随着AI进入生命科学的深水区,我预计各种生理病理状态下的蛋白质组大数据水平的累积将对AI广泛用于生命健康有至关重要的作用。” 西湖大学特聘研究员郭天南告诉《知识分子》。 尚有局限 不过,AlphaFold预测的结构仍然有很多局限。论文作者指出,很多蛋白通过与其它蛋白、核苷酸或配体结合来行使功能,AlphaFold尚且不能预测复杂复合体的三维结构。此外,蛋白构象很多情况下是动态过程,同一个蛋白可能根据环境和其它因素,变换成不同的构像并且具有不同的功能,而AlphaFold通常只能预测出一个最优构象,也不能预测蛋白的动态过程。“AlphaFold的确是非常强大,可以把几分钟就把一个结构给预测出来,但是蛋白分子的构象在体内,其实它是在不停的变化的,是一个动态过程。变化才是主题,再强的算法也很难达到精准预测。” 杨茂君说。对于AlphaFold,在经历了短暂的兴奋之后,杨茂君发现,AlphaFold带给结构生物学家的冲击,可能没有想象中那么大。他告诉《知识分子》,他的实验室有十多个已经解出来但未发表文章的蛋白结构,但与AlphaFold的预测对比之后,“差别太大了,预测的结果没什么用。”杨茂君说,AlphaFold对已经有结构的同源蛋白质的预测相对来说准确度会高一些,但因为他们实验室做的蛋白结构,很多都是别人以前没解析过的,“所以说它(DeepMind团队)才预测出来就不准嘛,这个也是它的局限性所在。”"人工智能只能预测有结构的序列的结构,而对于没结构的氨基酸序列,AlphaFold也无从做出结构预测。"清华大学医学院教授李海涛表示,蛋白质特定结构的形成有着严谨的生化原则约束,这就像特定语法约束着语言形成一样,并不是任何文字组合都有语义。 而AlphaFold做的,就是把自然界中经亿万年进化而选择下来的拥有特定结构的氨基酸序列的结构预测出来。这显然受惠于测序大数据的建立,它使得我们知道哪些氨基酸的排列组合是自然选择下来能形成特定结构、行使特定功能的序列精华。对于随机序列而言,绝大部分情况下,一级序列并不能决定三维结构,AlphaFold当然也就“无能为力”去预测结构了。 "从某种意义上讲,AI结构预测突破带来的一个全新挑战其实是一一哪段序列有结构?在AI的辅助下,人类认知有望全面实现从大自然的序列启示到人工结构设计的升华。"李海涛说。“这一里程碑式的进展,距离人类完全解析生命活动的奥秘仍有较大的距离。首先,蛋白质组具有高度复杂的结构和动态,复杂蛋白质复合体的结构解析仍是一个挑战;其次,蛋白质结构在不同生理病理状态下的动态也是尚未解决的难题。”西湖大学特聘研究员郭天南说,“除了结构解析,蛋白质组在不同组织细胞和生理病理状态下的表达和功能活性,则需要更多的技术手段进行研究,比如质谱技术。” 参考文献:1. Tunyasuvunakool, K., Adler, J., Wu, Z. et al. Highly accurate protein structure prediction for the human proteome. Nature (2021). https://doi.org/10.1038/s41586-021-03828-12. Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature (2021). https://doi.org/10.1038/s41586-021-03819-23. Baek, Minkyung, Frank DiMaio, Ivan Anishchenko, Justas Dauparas, Sergey Ovchinnikov, Gyu Rie Lee, Jue Wang et al. “Accurate prediction of protein structures and interactions using a three-track neural network.” Science (2021).DOI: 10.1126/science.abj8754 —END—版权声明/免责声明本文为授权转载作品,仅供感兴趣的个人谨慎参考,非商用,非医用、非投资用。欢迎朋友们批评指正!衷心感谢!文中图片为授权正版图片,或来自微信公共图片库,或取自网络根据CC0协议使用,版权归拥有者。任何问题,请与我们联系。衷心感谢!