在人工智能配音的帮助下Alphafold，，，，深态通过预测科学家目前已经分类的几乎所有蛋白质的结构，能够解决短短18个月的最大生物学问题之一。
该方法已经改善了解决塑料废物，抗生素耐药性和疟疾的努力。研究人员说，这一突破还可以加速寻找新药物。
轻松作为Google搜索
Deepmind Demis Hassabis的首席执行官声称，发现一种蛋白质结构（过去经常花费数年）现在几乎就像数据库一样简单，就像“进行Google搜索”一样简单。
研究人员已经使用该数据库在各个领域中增强了他们的工作。
例如，牛津大学及其同事的马特·希金斯（Matt Higgins）研究了一种蛋白质，他们认为可能对破坏疟疾寄生虫的生命周期至关重要，这要归功于档案。
启动Alphafold时，它提供了精确的预测与研究人员知识相匹配的蛋白质结构。既然他们可以建立新的蛋白质，那么团队希望他们能作为疟疾疫苗做得很好。
此外，科学家还使用αFold开发了新型的塑料废物破坏酶，同时还了解了有关抗菌抗生素耐药性的蛋白质的更多信息。
映射人体中的所有蛋白质
首先报道新闻社，生物学多年来一直在努力弄清楚如何根据单个氨基酸的序列来确定蛋白质的扭曲形状。
这些氨基酸会产生具有复杂结构的链条，这些结构具有挑战性地预测。一些氨基酸彼此吸引，而另一些则被水排斥。
到2021年中，总部位于英国的AI初创公司DeepMind表示，它已在2020年底首次宣布已创建了一种精确确定折叠蛋白结构的方法后，已将98.5％的蛋白质绘制为人体中使用的蛋白质。
该公司在7月28日星期四表示，正在揭示超过2亿蛋白的结构，几乎所有蛋白Uniprot数据库用于蛋白质研究。
这意味着，由于DeepMind和欧洲分子生物学实验室的欧洲生物信息学研究所（EMBL-EBI）的工作，来自世界各地的研究人员现在可以轻松自由地访问这些数据。
漫长的路要走
伦敦帝国学院的基思·威利森（Keith Willison）表示，尽管Alphafold改变了生物学研究的世界，但蛋白质折叠仍然存在问题。
根据新闻认识主义者的说法，尽管该工具通常是精确的，但其结构绝不是有意计算结果的产物。它还声称，Alphafold并未刮过一小部分结构的表面，称为本质上无序的蛋白质，它们似乎具有不稳定且无法预测的折叠模式。
然而，Pushmeet Kohli监督DeepMind的科学部门的人承认Alphafold的局限性，但确保该团队正在更多地在蛋白质上工作，并正在增强AI的精确性和功能。
DeepMind还有很长的路要走，但与此同时，它已经通过准确地预测了几乎所有蛋白质的结构来创新生物学领域。
这种创新可以改变基础科学的界限，并加速药物的开发。
本文由技术时报拥有
由华金·维克多·塔克拉（Joaquin Victor Tacla）撰写
