DeepMind AI系統破解50年蛋白質結構預測難題

2020/12/02
DeepMind AI系統破解50年蛋白質結構預測難題
美國時間1日,Alphabet子公司DeepMind宣布,旗下研發的深度學習系統AlphaFold,在最新一屆的國際蛋白質結構預測競賽中(CASP)獲得冠軍,該系統破解了近50年的蛋白質摺疊難題。
Alphabet子公司DeepMind宣布,旗下研發的深度學習系統AlphaFold,破解了近50年的蛋白質摺疊難題。(圖片取自網絡)
編譯/劉端雅

美國時間1日,Alphabet子公司DeepMind宣布,旗下研發的深度學習系統AlphaFold,在最新一屆的國際蛋白質結構預測競賽中(CASP)獲得冠軍,該系統破解了近50年的蛋白質摺疊(protein-folding)難題,未來有機會應用在疾病的新療法之研發,以及其他非醫療用途。

AlphaFold在兩年一度舉行的CASP擊敗其他選手,其具有精確地從胺基酸序列(amino acid sequence)預測蛋白質結構的能力。

DeepMind在大約17萬種已知蛋白質結構,以及未知結構的蛋白質序列的公共數據庫,訓練AlphaFold學習幾個星期的蛋白質結構課程。

DeepMind表示,在2018年,AlphaFold於全局距離測試(Global Distance Test,GDT)的準確度約60,而在2020年的測試中,準確度高達 92.4,超過了標準的90。

DeepMind指出,AlphaFold在預測蛋白質結構時的平均誤差為1.6埃(angstrom),大約相當於0.1奈米或一個原子的寬度。在困難度最高的蛋白質靶標項目中,AlphaFold的準確度為87。目前準備將發表有關該系統的論文,刊登在在同行評審期刊。

AlphaFold團隊在1月15日發表在《Nature 》的研究指出,透過準確的蛋白質結構預測,能更好地了解人體,並且有助研究人員開發新的療法,例如與蛋白質錯誤有關的疾病,這些疾病包括:阿茲海默症、帕金森氏症、囊狀纖維化(cystic fibrosis,CF)和亨廷頓舞蹈症(Huntington’s disease,HD)。目前已經應用在COVID-19 的病毒中蛋白質結構的預測。

DeepMind執行長兼創始人Demis Hassabis表示,AlphaFold是我們長期在科學上面臨重大挑戰的第一個重大突破,希望可對疾病理解和藥物發現產生巨大影響。

資料來源:https://www.mobihealthnews.com/news/deepmind-ais-protein-folding-prediction-achieves-unprecedented-accuracy-opening-doors-new