Nature Alphafold的下一步与AI蛋白折叠革命
2022-07-15 08:22:09
指日，Nature宣告著作接洽Alphafold，这个或许预测卵白质三维形态的东西仍然更改了生物学。旧年7月，DeepMind发外了Alphafold，它可能从卵白质的序列中预测其三维形态，并且大个人处境下是正确的。它正在CASP获取了优越而且正在本年DeepMind安置发外总数进步1亿的构造预测。生物学家们仍然对AlphaFold处理构造的材干留下了长远印象。正在辅助尝试方面，Alphafold供给了一个发端的近似值，可能通过尝试来验证或完美，而它自己也有助于分析尝试数据。另一方面制药公司和生物技艺公司的讨论职员对AlphaFold正在助助药物出现方面的潜力感应兴奋，目前已有基于Alphafold举行虚拟筛选、候选药物的化合物策画和卵白质幻念策画。本文最终也接洽了Alphafold的少少节制性。
十众年来，分子生物学家 Martin Beck 团队从来正在勉力拼集寰宇上最难的拼图逛戏之一：人类细胞中最大分子呆板的周密模子。
这种被称为核孔复合体的硕大无朋驾御着分子进出细胞核的活动，也即是基因组所正在的地方。每个细胞中都存正在数百个如此的复合物。每个都由进步 1,000 种卵白质构成，这些卵白质正在穿过核膜的孔方圆变成环。
这 1,000 块拼图由 30 众种卵白质修筑块构成，这些卵白质修筑块以众种方法交错正在一道。使困难变得尤其贫苦的是，这些修筑块的尝试确定的 3D 形态是从很众物种中收罗的构造的杂烩，因而不要老是很好地交融正在一道。拼图盒子上的图片——核孔复合体的低区分率 3D 视图——缺乏足够的细节来明了有众少个人正确地组合正在一道。
2016 年，由位于德王法兰克福马克斯普朗克生物物理讨论所（MPIB）的 Beck 指引的一个团队陈说了一个模子，该模子涵盖了大约 30% 的核孔复合体和大约 30 个修筑单位中的一半，称为核卵白。
然后，2021 年 7 月，总部位于伦敦的 DeepMind 公司（谷歌母公司 Alphabet 的一个人）公然了一款名为 AlphaFold 的人工智能（AI）东西。该软件可能从卵白质的基因序列中预测卵白质的 3D 形态，而且正在很大水平上具有正确性。这更改了 Beck 的做事，以及成千上万其他生物学家的讨论。
「AlphaFold 更改了逛戏轨则。」Beck 说，「这就像一地方动。你可能正在任何地方看到它。」以色列耶道撒冷希伯来大学的揣测构造生物学家 Ora Schueler-Furman 说，他正正在运用 AlphaFold 来模仿卵白质彼此效用，「七月之前和之后都有。」
通过诈欺助助 AlphaFold 模仿卵白质彼此效用的调节，他们正在旧年 10 月告成发外了一个模子，涵盖了 60% 的复合体。它揭示了复合体奈何巩固原子核中的孔，并表示复合体奈何驾御进出的东西。
正在过去的半年里，AlphaFold 狂热包括了人命科学规模。「我出席的每次集会，人们都正在说『为什么不运用 AlphaFold？』」伦敦大学学院的揣测生物学家 Christine Orengo 说。
正在某些处境下，人工智能为科学家俭朴了时光；正在其他处境下，它使以前难以设念或分外不切本质的讨论成为恐怕。它有节制性，少少科学家出现它的预测关于他们的处事来说太不牢靠了。但尝试的措施是狂热的。
纵使是开辟该软件的人也正在勉力跟上它正在从药物出现和卵白质策画到繁复人命发源等规模的运用。「我醒来并正在 Twitter 上输入 AlphaFold。」指引 DeepMind AlphaFold 团队的 John Jumper 说，「看到十足都是一种体验。」
AlphaFold 正在 2020 年 12 月惹起了震荡，当时它主导了一场名为「卵白质构造预测合头评估」（CASP）的竞赛。该竞赛每两年实行一次，旨正在权衡生物学最大挑拨之一的发扬：仅从氨基酸序列中确定卵白质的 3D 形态。
揣测机软件条款是依照运用X射线结晶学或低温电子显微镜（cryo EM）等尝试技巧确定的相似卵白质的构造来推断的，这些技巧向卵白质发射X射线或电子束，以设备其形态的图像。
AlphaFold 的 2020 版是该软件的第二版。Jumper 说，它还取得了 2018 年的 CASP，但其早期的勉力民众亏折以庖代尝试确定的构造。然而，AlphaFold2 的预测均匀而言与履历构造相当。
目前尚不清晰 DeepMind 何时会普通运用该软件或其预测，因而讨论职员诈欺 Jumper 公然演讲中的讯息以及他们自身的观念，开辟了自身的人工智能东西，称为 RoseTTAFold。
然后正在 2021 年 7 月 15 日，闪现了形容 RoseTTAFold 和 AlphaFold2 的论文，以及免费供给的开源代码和专家运转他们自身的东西版本所需的其他讯息。
一周后，DeepMind 布告它仍然运用 AlphaFold 预测了人类筑制的简直每一种卵白质的构造，以及其他 20 种被普通讨论的生物体的全豹「卵白质组」，比如老鼠和大肠杆菌——进步 365,000 种共构造。
DeepMind 还将这些讯息公然辟布到由位于英邦欣克斯顿的 EMBL 欧洲生物讯息学讨论所（EMBL-EBI）保卫的数据库中。今后，该数据库已膨胀到近一百万个构造。
本年，DeepMind 安置发外统共进步 1 亿个构造预测。这简直是全数已知卵白质的一半，是卵白质数据库（PDB）构造库中尝试确定的卵白质数目的数百倍。
AlphaFold 安放了深度进修神经搜集：受大脑神经线道策动的揣测架构，可识别数据中的形式。它仍然授与了 PDB 和其他数据库中数十万个尝试确定的卵白质构造和序列的熬炼。
面临一个新序列，它最初正在数据库中寻找相干序列，这些序列可能识别出偏向于一道进化的氨基酸，评释它们正在 3D 空间中很亲切。现有相干卵白质的构造供给了另一种推断新序列中氨基酸对之间间隔的技巧。
AlphaFold 正在考试对氨基酸的 3D 身分举行筑模时来回迭代来自这些平行轨迹的线索，并一直更新其推断值。
专家默示，该软件正在呆板进修讨论中的新思念使用仿佛是 AlphaFold 如许密切的源由——非常是，它运用一种称为「留神力」的人工智能机制来确定哪些氨基酸毗邻正在任何光阴对其做事最紧急 .
该搜集对相干卵白质序列讯息的依赖意味着 AlphaFold 存正在少少节制性。它并非旨正在预测突变（比如导致疾病的突变）对卵白质形态的影响。它也没有被熬炼来确定正在其他彼此效用的卵白质或药物平分子存正在的处境下卵白质奈何更改形态。
但它的模子附带的分数可能权衡搜集对其预测卵白质每个氨基酸单位的信仰——讨论职员正正在调节 AlphaFold 的代码以扩展其功用。
据 DeepMind 称，到目前为止，已有进步 40 万人运用了 EMBL-EBI 的 AlphaFold 数据库。又有 AlphaFold 的「超等用户」：讨论职员正在自身的办事器上安置了软件，或者转向基于云的 AlphaFold 版正本预测不正在 EMBL-EBI 数据库中的构造，或者为该东西设念新用处。
AlphaFold 解析构造的材干仍然给生物学家留下了长远的印象。「依照我目前所睹，我分外相信 AlphaFold。」丹麦奥胡斯大学的构造生物学家 Thomas Boesen 说。
该软件已告成预测了 Boesen 核心已确定但尚未宣告的卵白质形态。「这对我来说是一个很大的验证。」他说。
他和奥胡斯微生物生态学家 TinaŠantl-Temkiv 正正在运用 AlphaFold 来模仿推动冰变成的细菌卵白质的构造——这恐怕有助于云中冰的冷却后果——由于生物学家还无法通过尝试齐备确定这些构造。
斯德哥尔摩大学的卵白质生物讯息学家 Arne Elofsson 默示，只须一种卵白质卷曲成一个了了界说的 3D 形态——并且并非整个如许——AlphaFold 的预测就很难被击败。「这是一种一键式处理计划，恐怕是您将获取的最佳模子。」
Elofsson 说，正在 AlphaFold 不太自尊的地方，「它分外擅长告诉你什么光阴它不起效用」。正在这种处境下，预测的构造恐怕相似于浮动的意大利面条。
这凡是对应于缺乏确定形态的卵白质区域，起码正在分隔时是如此。这种素质上无序的区域——约占人类卵白质组的三分之一——恐怕唯有正在存正在另一种分子（如信号伙伴）时能力取得了了界说。
伦敦癌症讨论所的揣测生物学家 Norman Davey 默示，AlphaFold 识别疾病的材干仍然更改了他讨论这些区域性子的处事。他说：「咱们的预测质料马上有了浩大的降低，而咱们没有付出任何勉力。」
AlphaFold 将卵白质构造转储到 EMBL-EBI 数据库中的数据也马上进入运用。Orengo 的团队正正在探求它以识别新的卵白质品种（没有通过尝试验证它们），而且仍然出现了数百以至数千个潜正在的新卵白质家族，增加了科学家对卵白质外观和功用的知道。
正在另一项讨论中，该团队正正在探求从海洋和废水中采撷的 DNA 序列数据库，以考试识别新的食用塑料酶。运用 AlphaFold 敏捷近似数千种卵白质的构造，讨论职员生机更好地知道酶奈何进化以明白塑料，并有恐怕鼎新它们。
马萨诸塞州剑桥市哈佛大学的进化生物学家 Sergey Ovchinnikov 说，将任何卵白质编码基因序列转化为牢靠构造的材干关于进化讨论来说该当詈骂常强壮的。
讨论职员较量基因序列以确定生物及其基因正在物种间的相干性。关于远缘相干的基因，较量恐怕无法找到进化支属，由于序列发作了很大改观。但通过较量卵白质构造——其改观往往不如基因序列速——讨论职员可能或许出现被鄙视的迂腐相干。
苏黎世瑞士联邦理工学院的揣测生物学家 Pedro Beltrao 说：「这为讨论卵白质进化和人命发源供给了一个绝佳的机遇。」
这项讨论出现了以前未知的恐怕的远古支属：真核生物中的卵白质——网罗粘液霉菌——正在其 3D 构造中相似于被称为逆转录酶的酶，艾滋病毒等病毒诈欺逆转录酶将 RNA 复制到 DNA 中，假使正在基因序列秤谌上简直没有类似性。
关于念要确定特定卵白质的周密构造的科学家来说，AlphaFold 预测不肯定是立竿睹影的处理计划。相反，它供给了一个可能通过尝试验证或鼎新的初始近似值——它自己有助于分析尝试数据。比如，来自 X 射线晶体学的原始数据显示为衍射 X 射线的图案。凡是，科学家需求对卵白质构造举行发端推度能力注释这些形式。
英邦剑桥大学的构造生物学家 Randy Read 说，以前，他们往往畴昔自 PDB 中相干卵白质的讯息拼集起来，或者运用尝试技巧，他的尝试室特意讨论此中少少技巧。
现正在，AlphaFold 的预测使得大大批 X 射线形式不需求这种技巧，Read 说，他的尝试室正正在勉力正在尝试模子中更好地诈欺 AlphaFold。「咱们齐备从新调节了讨论中心。」
他和其他讨论职员仍然运用 AlphaFold 从 X 射线数据中确定晶体构造，这些数据正在没有足够的肇端模子的处境下是无法注释的。「人们正正在处理众年来从来没有处理的构造。」Claudia Millán Nebot 说，他是 Read 尝试室的前博士后，现正在正在剑桥的剖判公司 SciBite 处事。她估计会看到大批新的卵白质构造提交给 PDB，这正在很大水平上是 AlphaFold 的结果。
特意从事冷冻电镜讨论的尝试室也是如许，它可能搜捕敏捷冷冻卵白质的照片。正在某些处境下，AlpHouple的模子仍然切实地预测了称为G-卵白偶联受体（GPCRs）的卵白质的特有特性，这些卵白是紧急的药物靶标-其他的揣测东西犯错了，北卡罗来纳大学教堂山分校的构造生物学家和药理学家Bryan Roth说：「它仿佛分外适合天生第一个模子，然后咱们用少少尝试数据对其举行鼎新。这为咱们俭朴了少少时光。」
但 Roth 添加说，AlphaFold 并不老是那么切实。他说，正在他的尝试室仍然处理但尚未宣告的几十个 GPCR 构造中，「大约有一半的时光，AlphaFold 构造相当好，而有一半的时光它们或众或少对咱们的宗旨毫无用途」。
他说，正在某些处境下，AlphaFold 以高置信度标识预测，但尝试构造评释它是差错的。纵使软件做对了，它也无法模仿卵白质与药物或其他小分子（配体）联络时的外观，这会大大更改构造。这些警备让 Roth 念明了 AlphaFold 对药物出现有众大用途。
正在药物出现处事中，运用揣测对接软件越来越众数，该软件可能筛选数十亿个小分子，以找到少少恐怕与卵白质联络的分子——这评释它们可能筑制有效的药物。
Roth 现正在正与加州大学旧金山分校的药物化学家 Brian Shoichet 合营，以知道 AlphaFold 的预测奈何与本操演中通过尝试确定的构造举行较量。
Shoichet 说，他们将处事限度正在 AlphaFold 的预测与尝试构造相吻合的卵白质上。但纵使正在这些处境下，对接软件也会为尝试构造和 AlphaFold 供给分别的药物掷中率，这评释细小的区别恐怕很紧急。「这并不虞味着咱们不会找到新的配体，咱们只会找到分别的配体，」Shoichet 说。他的团队现正在正正在合成运用 AlphaFold 构造识其它潜正在药物，并正在尝试室中测试它们的活性。
Shoichet 说，制药公司和生物技艺公司的讨论职员对 AlphaFold 助助药物出现的潜力感应兴奋。「批判性的乐观是我形容它的方法。」 2021 年 11 月，DeepMind 推出了自身的衍坐褥品 IsoMorphic Labs，旨正在将 AlphaFold 和其他 AI 东西使用于药物出现。但该公司对其安置只字未提。
Karen Akinsanya 指引着 Schrödinger 的调理开辟，Schrödinger 是一家总部位于纽约市的药物出现公司，也发外了化学模仿软件，她说她们团队仍然正在虚拟屏幕、 GPCR、候选药物的化合物策画中运用 AlphaFold 构造得到了少少告成 。
她出现，就像尝试构造相通，需求分外的软件来获取氨基酸侧链或单个氢原子恐怕所正在身分的周密讯息。一朝竣工，AlphaFold 构造已被证据足以指挥药物出现——正在某些处境下。
「很难说『这是灵丹仙丹』；由于你可认为一个构造做得很好——令人吃惊和令人兴奋的——它分外实用于全数构造。明晰不是！」Akinsanya 说，她的团队出现，AlphaFold 的切实性预测并不行显示一个构造是否对往后的药物筛选有效。她默示，AlphaFold 构造万世不会齐备代替药物出现中的尝试性构造。但他们恐怕会通过添加尝试技巧来加快这一进程。
对 AlphaFold 感应好奇的药物开辟职员正在 1 月份收到了好音讯，当时 DeepMind 撤除了对其用于贸易使用的合头限度。当该公司正在 2021 年 7 月发外了 AlpHouple 的代码时，它规章了运转 AlphaFold 神经搜集所需的参数或权值，这是对成千上万个卵白质构造和序列举行搜集熬炼的最终结果，仅用于非贸易用处。Akinsanya 说，这对行业中的少少人来说是一个瓶颈，当 DeepMind 更改战术时闪现了一股「兴奋的海潮」。（RoseTTAFold 也有相似的限度，其开辟职员之一 Ovchinnikov 说，但下一个版本将齐备开源。）
人工智能东西不只更改了科学家确定卵白质外观的方法。少少讨论职员正正在运用它们来筑制全新的卵白质。「深度进修正正在彻底更改我小组中卵白质策画的方法。」西雅图华盛顿大学的生物化学家、卵白质策画和预测其构造规模的指引者 David Baker 说。他的团队与揣测化学家 Minkyung Baek 一道指引了开辟 RoseTTAFold 的处事。
Baker 的团队让 AlphaFold 和 RoseTTAFold 或许「出现幻觉」新的卵白质。讨论职员仍然更改了人工智能代码，因而，给定氨基酸的随机序列，软件将对其举行优化，直到它们相似于神经搜集识别为卵白质的东西。
2021 年 12 月，Baker 团队陈说说，正在细菌中外达了 129 种这些幻觉卵白，并出现此中约五分之一折叠成相似于其预测形态的东西。「这确实是第一次证据你可能运用这些搜集策画卵白质。」Baker 说。他的团队现正在正正在运用这种技巧来策画做有效工作的卵白质，比如催化特定的化学响应，技巧是指定担任所需功用的氨基酸，并让 AI 幻念天生其余个人。
Ovchinnikov 设念他和其他科学家会运用 ColabFold 来考试「捣蛋」AlphaFold，比如，通过供给相合方向卵白质序列进化支属的子虚讯息。通过如此做，Ovchinnikov 生机他或许确定搜集是奈何学会如许密切地预测构造的。
结果证据，大大批运用 ColabFold 的讨论职员只是念获取卵白质构造。但其他人将其用作编削 AlphaFold 的输入以治理新使用步调的平台。「我没念到会闪现各品种型的黑客攻击，」Jumper 说。
到目前为止，最时兴的黑客攻击是正在卵白质复合物上运用该东西，该复合物由众个彼此效用的——凡是是彼此交错的——肽链构成。就像核孔复合物相通，细胞中的很众卵白质正在与众个卵白质亚基变成复合物时阐发效用。
AlphaFold 旨正在预测单个肽链的形态，其熬炼齐备由此类卵白质构成。但该搜集仿佛仍然知道了少少合于复合物奈何折叠正在一道的常识。正在 AlphaFold 的代码发外几天后，东京大学的卵白质生物讯息学家 Yoshitaka Moriwaki 正在推特上默示，倘使将两个卵白质序列与一个长的接头序列缝合正在一道，它可能切实地预测它们之间的彼此效用。Baek 很速分享了另一个从开辟 RoseTTAFold 中收罗到的预测复合物的手腕。
ColabFold 自后参预了预测复合物的材干。而且正在 2021 年 10 月，DeepMind 发外了一个名为 AlphaFold-Multimer 的更新，该更新特意针对卵白质复合物举行熬炼，与其前身分别。Jumper 的团队将其使用于 PDB 中的数千个复合物，出现它预测了大约 70% 的已知卵白质-卵白质彼此效用。
这些东西仍然正在助助讨论职员出现潜正在的新卵白质伙伴。Elofsson 的团队运用 AlphaFold 预测了 65,000 片面类卵白质对的构造，这些卵白质对依照尝试数据被疑忌彼此效用。Baker 指引的一个团队运用 AlphaFold 和 RoseTTAFold 来模仿酵母编码的简直每一对卵白质之间的彼此效用，识别出 100 众种以前未知的复合物。
Elofsson 说，如此的屏幕只是出发点。他们正在预测某些卵白质配对方面做得很好，更加是那些巩固但难以识别更众瞬时彼此效用的卵白质配对。「由于它看起来不错并不虞味着它是无误的。」Elofsson 说，「你需求少少尝试数据来证据你是对的。」
Kosinski 说，核孔复合体处事是预测和尝试数据奈何协同处事的一个很好的例子。「这并不是说咱们将全数 30 种卵白质都放入 AlphaFold 中并取出构造。」为了将预测的卵白质构造组合正在一道，该团队运用了核孔复合物的 3D 图像，这些图像是运用一种称为低温电子断层扫描的低温电子显微镜拍摄的。正在一个例子中，可能确定卵白质亲切度的尝试正在复合物的两个因素之间出现了令人吃惊的彼此效用，AlphaFold 的模子随后证明了这一点。
Kosinski 将团队目今的核孔复合体舆图视为尝试和模仿的出发点，这些尝试和模仿搜检了孔复合体的功用，以及它奈何正在疾病中闪现挫折。
关于 AlphaFold 得到的全数发扬，科学家们默示，紧急的是要清晰它的节制性——非常是由于不特意预测卵白质构造的讨论职员会运用它。
考试将 AlphaFold 使用于捣蛋卵白质自然构造的各式突变，网罗与早期乳腺癌相干的突变，已证明该软件无法预测卵白质新突变的后果，由于没有进化相干的序列可供搜检。
AlphaFold 团队现正在正正在研讨奈何策画神经搜集来治理新的突变。Jumper 估计这将需求搜集更好地预测卵白质奈何从张开形态变为折叠形态。
纽约市哥伦比亚大学的揣测生物学家 Mohammed AlQuraishi 说，这恐怕需求仅依托它所学到的卵白质物理学常识来预测构造的软件。「咱们感风趣的一件事是正在不运用进化讯息的处境下从单个序列举行预测。」他说，「这是一个尚未处理的合头题目。」
AlphaFold 也被策画用来预测一个简单的构造，假使它仍然被黑客破解了不止一个。然而很众卵白质具有众种构象，这对其功用恐怕很紧急。「AlphaFold 不行真正治理可能采用分别构象的分别构造的卵白质，」Schueler-Furman 说。而且预测是针对寂寞构造的，而很众卵白质与配体（如 DNA 和 RNA）、脂肪分子和矿物质（如铁）一道阐发效用。「咱们依旧欠缺配体，咱们欠缺合于卵白质的其他十足。」Elofsson 说。
AlQuraishi 说，开辟这些下一代神经搜集将是一个浩大的挑拨。AlphaFold 依赖于数十年的讨论，这些讨论出现了搜集可能进修的卵白质尝试构造。目前无法获取如许大批的数据来搜捕卵白质动力学，或者卵白质可能与之彼此效用的数万亿个小分子的形态。Jumper 添加说，PDB 网罗卵白质与其他分子彼此效用时的构造，但这仅拘捕了一小部瓦解学众样性。
讨论职员以为，他们需求时光来确定奈何最好地运用 AlphaFold 和相干的人工智能东西。AlQuraishi 看到了电视早期的类似之处，当时少少节目由播送电台构成，只是阅读消息。「我以为咱们将找到咱们尚未念到的构造的新使用。」
AlphaFold 革命的尽头正在哪里，谁也说禁绝。「工作改观太速了。」Baker 说，「纵使正在来岁，咱们也将看到运用这些东西得到的宏大冲破。」
EMBL-EBI 的揣测生物学家 Janet Thornton 以为，AlphaFold 的最大影响之一恐怕只是说服生物学家对揣测和外面技巧的观念尤其绽放。「对我来说，革命即是思想方法的更改。」她说。
AlphaFold 革命激起了 Kosinski 的宏大梦念。他以为受 AlphaFold 策动的东西不只可用于对单个卵白质和复合物举行筑模，还可能对全豹细胞器以至细胞举行筑模，直至单个卵白质分子的秤谌。「这是咱们改日几十年的梦念。」