雅虎香港新聞

Yahoo 行動版

睇盡即時本地生活資訊

天氣交通、港股美股匯率、城中熱購,盡在掌握。

中文

人工智能破解蛋白質結構可能引發醫學革命

人工智能被用來預測人體產生的幾乎每一種蛋白質的結構。

這一重大科研發展能夠加速推進研發治療疾病的新藥物,還能用在其他許多地方。

蛋白質是所有生物有機體的組成部分,我們體內的每一個細胞都充滿蛋白質。

了解蛋白質的結構和形狀對醫藥研究的進步至關重要,但是到現在為止,我們只研究出少數蛋白質的構造。

研究人員用一個名為「AlphaFold」的人工智能軟件來預測人體和其他有機體的35萬種蛋白質的結構。

人類蛋白質如何組成是由我們體內的基因組決定,也就是人類細胞核裏面的遺傳物質DNA,能夠決定大約兩萬種蛋白質。

「AlphaFold」的人工智能軟件是谷歌旗下的DeepMind人工智能公司開發的,該公司共同創辦人兼首席執行官哈薩比斯(Demis Hassabis)表示,這是迄今為止人類蛋白質最完整、最凖確的圖像。

「我們認為這代表了人工智能對科學知識進展所做的最大貢獻。」

他表示,這是人工智能有助於社會的最佳範例,未來還會有更多激勵人心的發展。

塑料污染

Getty Images
這項研究可以用來開發能夠消化塑料的酵素

蛋白質由氨基酸按一定順序結合形成的多肽鏈組成,它們以無數方式折疊成各種獨特的三維形狀,蛋白質的三維形狀決定其在人體內的功能。

AlphaFold 預測的35萬種蛋白質結構包含了人體的兩萬個蛋白質組成,還有所謂的「模式生物」的蛋白質,而所謂的模式生物是在實驗室中被用來進行科學研究的有機體,例如大腸桿菌、酵母、果蠅和白老鼠。

DeepMind 的研究人員和歐洲分子生物學實驗室(European Molecular Biology Laboratory)的團隊在《自然》期刊上發表研究報告。

試驗結果顯示,AlphaFold 人工智能軟件能夠凖確預測人類蛋白質的58%的氨基酸結構,另外有35.7%的蛋白質結構凖確率更高,是實驗室研究結果的兩倍。

傳統上研究蛋白質結構的方法包括X射線晶體學,低溫電子顯微技術等,但是用傳統方法進行研究非常困難,朴茨茅斯大學(University of Portsmouth)的結構生物學家馬克吉漢(John McGeehan)教授表示,傳統方法需要大量金錢和資源。

因此,傳統方法研究蛋白質結構通常是有目標的科學研究的其中一部分,在此之前從來沒有任何研究項目能夠系統性的研究出人體所有蛋白質的結構。

事實上,在這之前,實驗室中只研究了17%的蛋白質結構。

馬克吉漢教授表示,人工智能的速度非常快,從一開始研究一種蛋白質的結構需要6個月的時間,到現在只需要幾分鐘就好,這是傳統方法做不到的。

「我們一開始給DeepMind研究團隊送過去7個序列,其中兩個已經有實驗室研究出結構,所以等他們將結果送回來的時候我們可以對照測試其凖確性。」

「我們看到AlphaFold預測出的結構,竟然和我們實驗室得出的結構一模一樣,坦白說實在令人震驚。」

製藥廠

Getty Images
這一重大科研發展能夠加速推進研發治療疾病的新藥物

歐洲分子生物學實驗室的赫德(Edith Heard)教授表示,蛋白質是有機體最基本的組成部分,人工智能研究出蛋白質結構,完全改變了我們如何理解生命的運作。

這個發展結果未來的應用非常廣泛,包括開發能夠用於各種疾病的新的藥物和治療方法,設計或改造未來能夠抵抗氣候變化的農作物,創造能夠消化塑料的酵素。

馬克吉漢教授的研究團隊已經開始用AlphaFold的數據來開發能夠更快消化塑料的酵素,他表示這個人工智能軟件提供的蛋白質結構預測是實驗室無法做到的,為他們的項目加速了好幾年的時間。

DeepMind已經和歐洲分子生物學實驗室共同合作,將AlphaFold的編碼和蛋白質結構預測開放給全球科研團體使用。

DeepMind的哈薩比斯計劃大幅擴展數據庫資料,最終要包括科學界已知的超過一億種蛋白質的結構。

本網頁內容為BBC所提供, 內容只供參考, 用戶不得複製或轉發本網頁之內容或商標或作其它用途,並且不會獲得本網頁內容或商標的知識產權。

BBC中文

更多內容