攻破50年生物难题后，谷歌DeepMind用AI挑战寄生虫病

　　6 月 25 日消息，本周三，据美国科技杂志 Wired 报道，谷歌母公司 Alphabet 旗下人工智能公司 DeepMind 与制药组织 DNDi 达成合作 ，将使用其研发的人工智能（AI）技术 AlphaFold 来寻找针对疾病的有效药物。
　　这一技术在去年新冠疫情流行初期就已崭露头角，虽然仍有一部分科学家对它的作用提出质疑，但它表现出来的预测蛋白质结构的能力或将大大缩短药物研发过程，得到了广泛的关注，业内人士对它的发展前景表示期待。
　　一、快速预测蛋白质结构，破解生物学难题
　　2020 年初，新冠肺炎疫情刚刚开始爆发，DeepMind 的科学家就利用自研 AI 模型 AlphaFold 绘制出一些 SARS-CoV-2 病毒（即新型冠状病毒）的蛋白质结构，这个结果后来被实验证明是准确的 ，随后被全世界的病毒学家使用。这时它不同寻常的能力就已经开始展露。
　　2020 年底 DeepMind 宣布，AlphaFold 已经破解了困扰生物学界 50 多年的一项难题，即对蛋白质结构的预测。
　　马里兰大学计算生物专家约翰・莫尔特（John Moult）对于 AlphaFold 的潜力感到既惊讶又兴奋：＂这是人工智能首次解决严重的科学问题，它可以对蛋白质的结构进行高质量的计算，这个前景将对理解生物学的许多方面产生极大的帮助。例如，下次我们遇见大流行病时，可以更快地确定可能的药物策略。＂
　　▲左为药物实验室结果，右为 AlphaFold 结果二、打入制药领域，开发针对疾病的有效药物
　　现在 DeepMind 正在为 AlphaFold 开发更多用于现实世界的应用，它宣布与总部设立在日内瓦的 Drugs for Neglected Diseases initiative（DNDi）建立新的伙伴关系。DNDi 是一家非营利性制药组织，在过去 18 年中一直致力于解决发展中国家最致命的疾病：昏睡病 （sleeping sickness）、恰加斯病 （Chagas disease）和利什曼病 （Leishmaniasis）。
　　DNDi 在寻找治疗昏睡病的新方法方面已经取得了相当大的成功，但是对于后两种疾病却没什么进展。因此他们希望 AlphaFold 能够在治疗这两种疾病方面发挥最大的作用。
　　在过去的 18 个月里，DNDi 和华盛顿大学、邓迪大学以及葛兰素史克（英国制药公司）的一组传染病研究人员已经发现了一种分子，它似乎能够与与恰加斯病的寄生虫克氏锥虫上的蛋白质结合，这使得它能够封闭寄生虫并杀死它。这些科学家希望研究这种蛋白质的结构，以确切地了解药物是如何阻止寄生虫发挥作用的。
　　在过去，这是一项复杂而费力的试验任务，需要很多年的时间来完成。但通过 AlphaFold，DNDi 及其合作者已经得到了对这种蛋白质形状的预测。佩里希望现在可以利用这些预测信息来设计更多药物，以不同的方式与这种蛋白质相结合来杀死寄生虫。
　　＂这可以让我们比几年前更快地破解恰加斯病和利什曼病。如果你能快速获得这些蛋白质结构，你可以设计多个候选药物，所以你有很多的临床试验目标。＂DNDi 的药用化学家和项目负责人本・佩里（Ben Perry）说。
　　▲克氏锥虫三、实际作用仍存争议，业内追捧热度不减
　　一些科学家仍然认为，围绕 AlphaFold 的大量炒作需要降降温。
　　＂可以看到 DeepMind 在蛋白质折叠方面的工作改变了游戏规则，但现在说对药物发现的影响还为时过早。＂加州大学旧金山分校的神经学教授史蒂文・芬克贝纳（Steven Finkbeiner）说。
　　＂我总体上认为，它是一种经济有效的方法，可以提供一个立足点，但算法远非完美，并且有很多情况下它不起作用。蛋白质的世界极其复杂，病毒或寄生虫的蛋白质结构往往更容易预测，然而人体内部的变化要大得多。＂芬克贝纳警告道。
　　尽管 AlphaFold 的实际作用仍存在争议，但它所展现出来的加速药物发现的可能性已经在医学领域得到了广泛关注。
　　据佩里所说，仅仅是因为他们现在掌握了 AlphaFold 这项技术，就大大提高了其制药合作伙伴们对帮助其研发热带病新药的兴趣。
　　DNDi 和 DeepMind 也都希望 AlphaFold 能够降低药物发现过程的门槛，使低收入国家的科学家也能够研究开发新的治疗方法。
　　DeepMind 的科学人工智能负责人普希米特・科利说（Pushmeet Kohli）：＂总的来说，我们试图用 AlphaFold 做三种类型的事情。一是扩大它在结构预测方面可以做的事情，二是加速结构预测这一过程，三是让无法使用复杂、昂贵机器的人也可以使用上这项技术。 ＂
　　如果 AlphaFold 确实有助于快速开发一种治疗恰加斯病或利什曼病的新疗法，它将很快就会被用于许多其他的医学领域。
　　莫尔特对 AlphaFold 的未来相当乐观：＂拥有针对这些罕见疾病的潜在药物靶蛋白的结构，将有助于我们选择最合适的药物。我们仍然需要改进计算机方法来研究分子如何与这些蛋白质结合，但幸运的是，我们也可以将深度学习应用于这个问题。＂结语：预测蛋白质结构前景无限，价值仍需时间证明
　　利用人工智能来预测蛋白质结构是一项具有开创性的举措，尽管它还不能取代实验室，但是这项技术一旦实现，将大大缩短药物的研发过程，有效的降低研发成本，也将给科研工作提供极大的便利。
　　AlphaFold 的能力已经在实践中得到一定的展现，不过其在药物研发中的实际作用目前仍存在一定的争议，或许仍需要一定的时间和现实案例来验证它现在的价值，其未来的发展道路也必定将充满挑战。但我们可以预见的是，人工智能将在未来的各个领域彰显出惊人的作用，改造人类生活的方方面面。