最近出现的改变世界的算法

　　＂这将改变医学。它将改变研究。它将改变生物工程。它将改变一切。＂
　　艾拉-阿尔德森 - 6分钟阅读
　　今年早些时候，一种算法被发布到网上--完整且完全免费--供学术界使用。这个算法代表了我们一生中最重要的科学发现之一，展示了人工智能改变我们文明进程的日益增长的潜力。利用深度学习和神经网络，被称为Alpha Fold的算法有望彻底改变生物化学领域。它可以帮助我们更好地了解疾病，制定药物，并产生从塑料污染到大气中过量碳的解决方案。通过尝试解决蛋白质折叠问题，我们已经取得了令人兴奋的、前所未有的突破，这将影响我们所有人的生活。
　　氨基酸链的3D效果图，也就是我们所说的蛋白质。
　　在过去的50年里，蛋白质折叠的问题一直是一个持续的障碍。它首次出现在1972年：一个新的理论提出，知道一个蛋白质的氨基酸序列应该可以完全预测其结构。
　　蛋白质不仅是生命的根本，它们负责细胞内发生的几乎所有过程。所有生物体都依赖这些复杂的分子。反过来说，蛋白质是由20个不同的氨基酸链组成的。这些氨基酸之间的相互作用决定了蛋白质将如何折叠成三维形状。蛋白质的形状在决定其功能方面起着很大的作用，因此在生物学中，有这样一句话：＂结构就是功能＂。结构将决定一个蛋白质将做什么，以及它将如何工作。因此，我们可能会得出这样的结论：只要知道一个蛋白质的氨基酸序列，就可以确定其最终的三维形状。但问题就在这里。
　　肽是2-50个氨基酸的短链。
　　一个单一的蛋白质可以由多达2000个氨基酸组成。确定它们所有可能的结构可能需要比整个宇宙的年龄还要长。这相当于大约10³⁰可能性，这意味着一个能够预测蛋白质如何折叠的系统将必须使用比简单的蛮力更优雅和精确的东西。
　　自从1994年被称为 ＂蛋白质结构预测关键评估＂（CASP）的比赛开始以来，没有一个竞争团队能够接近做出准确的预测。比赛本身由数百个团队组成，他们的算法旨在从给定的氨基酸序列中预测大约100种不同的蛋白质结构。这些蛋白质的结构已经通过实验确定，但尚未公开披露。各参赛队的算法所做的预测将与实验结果进行比较，并由一个评委小组进行评估。用于确定蛋白质结构的实验方法包括X射线晶体学和冷冻电子显微镜（cryo-EM）：这是众所周知但昂贵的研究方法。
　　去年，DeepMind的Alpha Fold算法成为第一个做出越来越准确预测的算法。该算法取得的进展如此惊人，以至于在许多研究人员看来，蛋白质折叠的问题基本上已经解决了。
　　Alpha Fold的预测在2020年平均准确率超过90%。这与过去几十年来表现最好的CASP团队所取得的平均40%的准确率相比，是一个巨大的进步。当其他团队在中等难度的蛋白质上获得75%的准确率时，Alpha Fold会获得90%的分数。即使算法确实与实验结果有分歧，也不清楚哪一个更正确，因为两者都允许有一定的误差幅度。对于许多Alpha Fold的预测，这个误差幅度是一个原子的大小，算法预测的是结构中成千上万个其他原子的确切位置。总的来说，大约有三分之二的预测结果与实验结果具有相同的质量。
　　自2006年以来，CASP中表现最好的团队的准确率（GDT）。图片由DeepMind提供。
　　使用核磁共振、X射线晶体学和冷冻电镜等实验方法，弄清一个蛋白质结构可能需要几天甚至几年时间。这些方法也是劳动密集型的，而且成本很高，需要依靠试验和错误以及昂贵的机器。然而，Alpha Fold并不意味着要取代它们。相反，它是为了补充研究人员的工作。Alpha Fold已经帮助科学家找到了他们已经研究了几十年的蛋白质结构，使科学能够在之前停滞不前的地方向前发展。酶创新中心正在使用该算法来寻找一种酶，以帮助我们分解一次性塑料。这也启发了其他团队--例如来自华盛顿大学的团队--在Alpha Fold的基础上进行改进，以使其更快、更节能。
　　然而，像80年代和90年代的计算机程序一样，Alpha Fold的第一次迭代并不是很成功。它在2018年对CASP的准确率评价不到60%。直到Alpha Fold的第二次迭代，才在深度学习的帮助下取得真正的进展。深度学习是一种机器学习，它模仿人脑可能的行为方式，使机器能够以远低于传统机器学习可能需要的人类输入来学习。
　　由节点组成的神经网络构成了深度学习的主干。神经网络中至少有3层节点：输入层、输出层和中间的隐藏层。数据在神经网络中的各个节点之间共享，然后机器做出预测，它可以对照数据集进行检查。训练数据有助于机器提高预测能力。在Alpha Fold的深度学习网络的案例中，训练数据包括来自蛋白质数据库的折叠蛋白质。此外，Alpha Fold不是只有1个神经网络，而是有2个网络，它们相互合作，折叠蛋白质，呈现3D模型，并在最后调整它们的氨基酸排列。
　　深度学习是人工智能的一个子集，其中神经网络帮助算法处理信息。在这里，我们看到神经网络的输入层，输出层
　　将Alpha Fold的代码提供给学术界使用后，其影响可能是巨大的。
　　Alpha Fold与 ＂被忽视的疾病药物 ＂倡议（DNDi）合作，迄今已实现了对疾病的新治疗，帮助用更安全的药物取代以前可能导致20个病人中1个死亡的有毒药物。Alpha Fold还帮助检测和预防威胁视力的眼部疾病，并帮助研究抗生素的抗性。新的设计可能导致分解有毒废物的蛋白质，或解决碳捕获的问题。它可能彻底改变的行业包括医学、农业、生物工程、生物技术和食品科学，尽管目前还不清楚究竟有多少突破会源于Alpha Fold算法的发布。它很可能需要几十年的时间来释放其全部潜力，以许多意想不到的方式改变世界。
　　最终，Alpha Fold对蛋白质折叠问题的解决方案是一个用机器来理解机器的案例--毕竟，蛋白质只不过是被编程用来运输氧气、消化食物以及两者之间的一切的微型机器。这是人工智能力量的一个惊人的展示。人工智能是这一代人的望远镜：是了解我们周围神秘现象的仪器，为世界打开了新的视野。