不止会下棋，“阿尔法狗”背后团队或解开糖尿病等病症之谜

各位网友们，大家好，欢迎点进小编的文章，我是一个专一的小编，专业爆料娱乐圈最新热点，来阅读小编的文章了解娱乐圈的家常百态吧，不仅可以在百忙之中放松心情，还可以get到喜欢的明星八卦，茶余饭后又多了与朋友交流的话题，如若喜欢小编的文章，记得点赞关注哦！这是小编每日工作的动力呢，有了你们喜欢的肯定，小编会再接再厉，奉上热文，祝广大网友顺心如意，好运连连！

不止会下棋，“阿尔法狗”背后团队或解开糖尿病等病症之谜，此前，科学家发现了一种蛋白质是乳腺癌生长和扩散的关键驱动因素 图据卫报

“蛋白质折叠界的奥运会”取得惊人成绩

实际上，早在2016年，DeepMind开发的程序AlphaGo击败世界围棋冠军李世石之后，开发团队就已经将目光投向了研究蛋白质折叠的领域。

尽管围棋之类的游戏已经被证明是一种对于AI程序功能的极好测试方式，但是对于研发团队来说，在这些项目上与人类一争高下显然不是他们的最终目的。

“与世界冠军下围棋的意义，从来不在于赢得比赛本身，最终目的是为了发展算法，解决像蛋白质折叠这样的问题。” DeepMind联合创始人兼首席执行官戴米斯·哈萨比斯(Demis Hassabis)表示。

阿尔法狗与李世石的对弈 图据美联社

而这一次，DeepMind让AlphaFold参加了结构预测（CASP）的关键比赛，这是一项每两年举办一次的，堪称“蛋白质折叠界的奥运会”，吸引了来自世界各地的研究团队。

这一比赛的目的是为了从他们的氨基酸列表来预测蛋白质的结构。此前，这些列表已经在比赛前几个月时间中，每隔几天发送给参赛的团队。在比赛最终结束前，这些蛋白质的结构已经通过费力又费钱的传统方法破解，但还没有公开，最终提交最准确预测的团队将获胜。

尽管这次是AlphaFold首次参赛，但是，它取得了惊人的成绩——

在发给比赛团队的43种蛋白质中，AlphaFold有25种预测最接近正确结果；而在同一类别中排名第二的选手，仅在43种蛋白质中，有3种结果预测的最接近正确结果。

与此前的“阿尔法狗”相同的是，AlphaFold构建的模型都依赖深度神经网络，这些经过训练的神经网络可以从基因序列中预测蛋白质的属性。

在构建的过程中，DeepMind在数千已知的蛋白质上训练了一个神经网络，直到它可以仅凭氨基酸预测蛋白质的3D结构。此后，给定一种新的蛋白质时，AlphaFold可以利用神经网络来预测氨基酸对之间的距离，以及连接它们的化学键之间的角度，最后调整初步结构以找到能效最高的排列。

根据DeepMind在官方博客中针对AlphaFold发布的科普性文章，他们这样解释道：“我们训练了一个神经网络，来预测蛋白质中每一对残基之间的距离分布，然后将这些概率打成一个分数，用这个分数来评估预测的蛋白质结构有多准确；我们还训练了一个单独的神经网络，用来估计建议预测结构和实际结构之间的差距。”

据悉，在项目之初，AlphaFold花了两周时间来预测其第一个蛋白质结构。但现在，这一工作在几小时内就可以完成。

一种用AI算法做出的动画，用于预测CASP13目标T1008的结构 图据DeepMInd官网

或助人类探明糖尿病等病症原因

那么，预测蛋白质折叠对于人类医学，为何如此重要？

据《卫报》介绍，蛋白质折叠是一种令人难以置信的分子折叠形式，其神秘本质很少在科学界之外得到讨论，因此对于许多人来说是一个显得有些陌生的词汇。

但是，这其实是一个极为重要的问题——生物学的机制由蛋白质构成，蛋白质的形状决定了它的功能。

生物学上来说，人类可以制造大量不同的蛋白质，估计数量从数万到数十亿不等，但都是由20种不同的氨基酸连接形成的多聚体。蛋白质可以在每一种氨基酸之间扭转和弯曲，因此可能呈现出数量惊人的不同结构，可以达到1后边跟着300个零这样庞大的数字。

蛋白质的三维形态取决于它所含氨基酸的数量和类型，而这一形状也决定了它在人体中的作用，人体几乎所有的功能，从肌肉紧张、感知光线到将食物转化为能量，都可以追溯到蛋白质的形状和运动。

在通常情况下，蛋白质会行成对其来说最节能的形状，但是它们仍然可能纠缠在一起，折叠不当，进而导致糖尿病、帕金森症及阿尔茨海默症等疾病。

这意味着，如果科学家能够从蛋白质的化学组成中，预测出蛋白质的形状，就能够搞清楚它的作用，以及它是如何扭曲并产生伤害，并设计出新的蛋白质来对抗这些疾病。

“如果了解蛋白质是如何折叠的，研究人员就能开创一个科学和医学进步的新时代。”《卫报》介绍称。