AI突破：仅凭序列精准预测所有蛋白质3D结构
蛋白质是人体主要构建块，由氨基酸组成，通过折叠成精确三维结构执行几乎所有基本生物过程。蛋白质形状决定其功能及疾病关联，预测结构对开发救命药物至关重要。然而，蛋白质折叠问题困扰生物化学家半个世纪之久。
哈佛医学院研究人员利用深度学习模型，仅凭氨基酸序列即可确定蛋白质3D结构。该模型在速度上比现有最先进技术快6至7个数量级。
端到端可微分深度学习
传统算法用暴力模拟氨基酸相互作用的复杂物理过程，或将新序列映射到已知结构模板。Google AlphaFold等项目虽解析大量基因组数据，但无法仅凭序列预测从未研究过的进化独特蛋白结构。
研究团队采用端到端可微分深度学习技术（如Google Translate、Siri所用），开发出循环几何网络，强调蛋白质折叠关键特性。网络在数千个已知蛋白序列和结构上训练，为每个氨基酸计算化学键角度及旋转角度，迭代优化直至结构生成完毕，再与真实结构对比验证精度。
参考文献：Cell Systems | doi:10.1016/j.cels.2019.03.006 | 哈佛医学院
网络计算化学键角度和旋转角构建蛋白结构的可视化模拟 | 来源：Mohammed AlQuraishi
结果与局限
训练可能耗时数月，但训练完成后，模型在无先验知识的蛋白结构预测上大幅超越现有技术。不过，精度尚不足以解析蛋白全原子结构，暂不可直接用于药物设计。目前可作为其他技术的补充，预测更广泛的蛋白结构类别。未来可整合物理化学定律改进模型，代码和结果已开源于GitHub。
延伸阅读：新方法利用手机摄像头测量血液中极罕见蛋白质
工业技术