【创科广场】 DeepMind开启生物信息学新时代 第二代AlphaFold造福病人

生物的蛋白质由氨基酸串组成，摺叠成3D形状，决定了蛋白质在细胞中功能，多年来研究人员致力重现高解像3D蛋白质结构，以促进研发药物设计和生产。

虽然基因研究突飞猛进，但基因之所以重要，全因带有生产蛋白质密码，生物利用密码转变成蛋白质，而在细胞内，蛋白质才是真正功能的执行者。

蛋白质3D结构无法直接观察，研究人员一直使用X射綫晶体学（X-ray Crystallography）或核磁共振仪（NMR）等技术测定蛋白质3D结构，但进度相当缓慢。

近年，低温电子显微镜（Cryo-TEM）分析蛋白质结构的效率大大提高；去年香港大学获李嘉诚捐赠了1亿港元，成立「低温电子显微设施研究中心」，显微镜可冻结移动中的微细生物分子，以原子尺度描绘，加快分析蛋白3D结构，推动本港药物研发工业。

上述数种方法既费时又昂贵，部分蛋白质不适合以上述方法分析；X射綫晶体学数个月才测定一种结构，Cryo-TEM设备极之昂贵，须高性能运算配合，安装和配置设备，也成本不菲。

AI模型脱颖而出

去年12月，两年一度举行的「国际蛋白质结构预测比赛」CASP，英国初创DeepMind以AlphaFold的AI模型，预测出多个蛋白质的3D结构，击败所有参赛者，准确性与实验结果匹配，准确度前所未见，一时技惊四座，顿成为生物讯息学最瞩目的科技。

DeepMind开发的AlphaFold模型，只根据蛋白质氨基酸的序列，就预测出3D的结构，破解蛋白质折叠困扰生物学的主要难题；AlphaFold以多序列对齐，进行深度学习演算开发AI模型，结合蛋白质结构物理和生物学，开启出生物信息学的新时代。

DeepMind以AI利用蛋白的基因序列，准确推测蛋白的结构，不止震惊了学术界，也导致研究上百花齐放，争相开发AI模型。

上周，《自然》期刊的报道，DeepMind公布名为AlphaFold2深度学习神经网的开源版本，与去年参加CASP的比赛版本，已经脱胎换骨，模型仍以Python语言开发，但速度更快。DeepMind在《自然》期刊上，发表《以AlphaFold精准预测蛋白结构》的论文。

同一天，受AlphaFold2模型的启发，另一组学术研究人员也公布了另一个蛋白预测模型RoseTTaFold，发表论文和开源代码，预测能力亦媲美AlphaFold2。

如何预测蛋白质3D结构，困扰生物学长达50年之久。AlphaFold2和RoseTTaFold开源AI模型，代表学术界以上述开源工具，理解细胞蛋白质功能，一同改进AI模型准确度。

以往DeepMind对正进行AI研究，往往是讳莫如深，学术界遂自行研究，美国西雅图华盛顿大学生物化学家David Baker团队，摹仿AlphaFold2开发AI预测蛋白质3D结构，显示学术界亦掌握AI预测蛋白结构的能力。

虽然RoseTTaFold功能毫不逊色，准确度则与AlphaFold仍有落差，原因可能工程技术仍有差距，而不是分析方法较差。DeepMind改进AlphaFold2演算速度，较CASP比赛之际，AlphaFold花上数天才预测简单蛋白结构，开源版本分析速度提高16倍，往往数小时就可获结果。

AlphaFold2更易安装和设定

AlphaFold2和RoseTTaFold源码已上载到GitHub，AlphaFold2以容器开发，更易安装和设定，亦与研究机构合作推出新药；包括日内瓦「被忽视疾病药物研发组织」（Drugs for Neglected Diseases Initiative）合作预测蛋白结构，加速研发罕见病新药。

透过结构生物学研究蛋白质结构与功能之间的关系，可开发出临牀小分子药物。过去20年，生物技术疗法推陈出新，小分子药物市场萎缩，AI可加快发现生物标记和标靶，有机会重振小分子药物的市场。

李嘉诚旗下的维港投资亦是DeepMind早期投资者之一，其后出售予Google。