【创科广场】Google网站助抗疫 人工智能突飞猛进

美国Covid-19病毒传播初期，检测技术出错，抗疫受到挫折。美国软件工业发达，不少行业处于医疗事业前端。

上周五，美国总统特朗普透露，Google母公司Alphabet附属公司Verily Life Sciences（前称Google Life Sciences）正开发网站，协助怀疑感染Covid-19冠状病毒的患者自行分流测试。据Google传讯部门表示，Verily处于开发初阶段，计画于三藩市湾区推出，期望扩展至更多地点。

美国总统特朗普透露超过1700名工程师，正参与有关Verily开发工程。Alphabet股价受刺激，一度上升超过9%。

Verily为Alphabet拥有的生命科学业务，据报网站让用户填写问卷，自我检测病徵，并获悉从何可检测，是否感染Covid-19冠状病毒。网站亦介绍染感各种风险因素以及出现的病徵，用户自行判断有否属于受感染风险，再决定到附近检测中心，自行检测病毒。

Google大举投资人工智能，Verily可从网站和各种相关数据，预测长期病患，其至流行病风险；只要查询身体状况，再配合各种数据，就可推测出感染风险。Verily已在多国推动数据作诊断和医疗计画，并取得成果。

人工智能开发新药

Alphabet属下另一家人工智能公司DeepMind，亦对于开发Covid-19病毒SARS-CoV-2解药，可能有重大贡献.2018年低，DeepMind以人工智能推出演算法AlphaFold，预测复杂3D形状的蛋白质摺叠（Protein folding）竞赛上获冠军。最近亦算出SARS-CoV-2的3D蛋白结构。

了解复杂3D形状的蛋白质结构，被视为研发新药的关键技术。较早前，美国德克萨斯大学奥斯丁分校团队以「低温电子显微术」（Cryogenic electron microscopy，cryo-EM），快速成功拍摄SARS-CoV-2的「刺突蛋白」（Spike Protein），被视为开发病毒疫苗的突破。

SARS-CoV-2外围有多枚刺突蛋白，外形看似冠状，因此而被命名冠状病毒。刺突蛋白藉结合人类细胞上的ACE2受体进行入侵，入侵方式与2002年出现SARS病毒一致；不过研究发现，SARS-CoV-2结合强度，竟比SARS病毒强出10至20倍，所以较SARS更易人传人。

有关研究乃美国敏感及传染病研究中心资助，2月19日的《自然》期刊上发表；又发现了现存针对SARS开发的三种抗体，均无法成功结合SARS-CoV-2刺突蛋白加以中和，如果开发病苗或以抗体为基础的解药，就必须另觅新蛋白结构。

不少人以为，经过Covid-19冠状病毒，不少国家均会投资cryo-EM，以期更快找出蛋白分子结构，加速新药的开发。蛋白质是氨基酸通过肽键组成的綫性链，摺叠成3D结构，结构取决于氨基酸序列和互相的物理作用，最重要是结构决定了蛋白质的生物学功能。所以理解了病毒蛋白结构和功能，不但可理解病毒如何入侵人体细胞受体，以至如何作出抑制或中和病毒，但即使有低温电子显微术，人类理解的蛋白结构数据，仍然甚少。

美国国家科学基金会生物学部建立了蛋白质数据银行（PDB，Protein Data Bank），支援全球上载3D形状的蛋白结构资料处理，以加速开发新药。

目前，以传统「X射綫晶体学」（X-ray crystallography）重建的蛋白分子结构，每年不足1万，「X射綫晶体学」非常耗时，往往是缓不济急。cryo-EM可更快获得影像，但以往影响模糊。近年在电脑帮助下大有改善。2017年，Richard Henderson就是凭着改善cryo-EM拍摄蛋白结构的清晰度，并加快拍摄进程获得了诺贝尔奖。

「X射綫晶体学」极为耗时，cryo-EM安装和操作昂贵，也不容易普及。德克萨斯大学短时期内，重建SARS-CoV-2冠状病毒上刺突蛋白的结构，已经引起了哄动。不过决定整个结构仍然极为耗时，部分蛋白结构的来龙去脉，甚至无从稽考。

近期，科学家就利用了储存蛋白质的氨基酸序列（Amino acid sequence），只要以前相同蛋白结构已经获得实验证明，就可以「模块建模方式」（Template modelling），通过超级电脑以模拟计算，可估计出蛋白的结构。

以电脑预测白结构，一些特定蛋白质结构编码后，以不同相似蛋白质结构，建立监督模型加以训练，就可预测出结构。但是假如蛋白质结构从未重构过，旧的预测模式，就一筹莫展。

2018年底， DeepMind开发了AlphaFold演算法模型学习，并取得重大突破，竟能算出从未重构过的蛋白结构，称为「自由建模方式」（Free modelling）；第13届全球蛋白质结构预测竞赛（Critical Assessment of protein Structure Prediction，CASP）上，终于大放异采。

电脑模拟计算蛋白结构

Alphabet演算法准确度惊人，43种蛋白质之中，准确预测其中25种，大幅领先第二名，只能准确预测出其中3种蛋白结构。部分蛋白质结构生物学家甚至认为，AlphaFold演算法是研究蛋白结构最大突破之一。

DeepMind再利用了AlphaFold演算法，网上公布了数个SARS-CoV-2蛋白结构的预测。DeepMind团队强调，有关蛋白结构并未经实验实证，不过AlphaFold演算法命中率，有关结构可助科学家研究，估计有关蛋白各种特性和功能，甚至配对以现存药对付Covid-19。

去年，麻省理工学院公布人工智能模型，可从氨基酸序列和蛋白结构，直接推断蛋白的功能。类似技术应用研究疫苗或者抑制剂，均具重大意义；只要AlphaFold估算出结构，也能获悉有关蛋白的功能。人工智能和疫症之间，正进行生死时速的竞赛。

全文刊于《星岛日报》「创科广场」