|
翹首以盼8個月的 AlphaFold2 的論文與源碼發(fā)布后一周，今天 DeepMind 再度公布關(guān)于 AlphaFold2 的重磅信息：用 AlphaFold2 完全預(yù)測了人、大腸桿菌、果蠅、斑馬魚等21種生物的全蛋白質(zhì)組內(nèi)35萬個蛋白質(zhì)結(jié)構(gòu)！這項(xiàng)工作發(fā)表在了本周出版的Nature上。 
今天（2021.7.22），DeepMind與歐洲分子生物學(xué)實(shí)驗(yàn)室（EMBL）聯(lián)合宣布：DeepMind與EMBL合作，用AlphFold2 預(yù)測了人類蛋白質(zhì)組內(nèi)的全部20000個蛋白質(zhì)結(jié)構(gòu)，并將其免費(fèi)開放給學(xué)術(shù)界。
歐洲分子生物學(xué)實(shí)驗(yàn)室（EMBL）是歐洲生命科學(xué)研究的旗艦（flagship）實(shí)驗(yàn)室。 業(yè)內(nèi)各方對這項(xiàng)工作評價甚高。
DeepMind創(chuàng)始人兼CEO Demis Hassabis說，“一直以來，DeepMind的目標(biāo)都是將人工智能作為工具，以加速科學(xué)發(fā)現(xiàn)，進(jìn)而增進(jìn)我們對周遭世界的了解。我們用AlphaFold獲得了一幅迄今最全、最準(zhǔn)的人類蛋白質(zhì)組的圖像。我們相信這是目前為止人工智能對促進(jìn)科學(xué)進(jìn)步做出的最重要的貢獻(xiàn)，極好地展示了人工智能將如何造福社會?！?/span>
Demis Hassabis在上周發(fā)布的推特說，more very soon！才隔一周，大新聞就來了。 AlphaFold已經(jīng)在加速科學(xué)發(fā)現(xiàn)通過氨基酸序列計算預(yù)測蛋白質(zhì)構(gòu)象——而非通過長時間的艱苦、費(fèi)力而昂貴的實(shí)驗(yàn)手段來確定蛋白質(zhì)的構(gòu)象，已經(jīng)幫助科學(xué)家在數(shù)月內(nèi)實(shí)現(xiàn)了此前須耗時數(shù)年的目標(biāo)。
Protein structures representing the data obtained via AlphaFold. Source image: AlphaFold. Design credit: Karen Arnott/EMBL-EBI
EMBL主任Edith Heard說，“這個利用 AlphaFold 建立的數(shù)據(jù)庫是開放科學(xué)（open science）良性循環(huán)的完美例證。用來訓(xùn)練 AlphaFold 模型的數(shù)據(jù)來自學(xué)術(shù)界建立的公共數(shù)據(jù)庫，因而 AlphaFold 的預(yù)測結(jié)果向公眾開放也是符合邏輯的。公開、自由地分享 AlphaFold 的計算結(jié)果，將有力地促進(jìn)各處的研究者從結(jié)構(gòu)中獲得新的洞見和發(fā)現(xiàn)。我相信，AlphaFold是生命科學(xué)的一次革命，如同幾十年前的基因組學(xué)。我為EMBL能協(xié)助DeepMind開源這個重要的數(shù)據(jù)資源而深感驕傲?！?/span>AlphaFold 已經(jīng)被一些合作伙伴使用，如被忽視疾病藥物倡議（Drugs for Neglected Diseases Initiative, DNDi），該倡議推動了對那些不成比例地影響世界上較貧困地區(qū)的疾病的研究；又如，酶創(chuàng)新中心（Centre for Enzyme, CEI）正利用 AlphaFold 幫助設(shè)計催化效率更高的酶，以回收造成最嚴(yán)重污染的一次性塑料。對于那些依賴實(shí)驗(yàn)來測定蛋白質(zhì)結(jié)構(gòu)的科學(xué)家來說，AlphaFold 的預(yù)測加速了他們的研究。例如，科羅拉多大學(xué)博爾德分校的一個研究小組正在用 AlphaFold 來研究抗生素耐藥性，而加州大學(xué)舊金山分校的一個小組則使用 AlphaFold 來增進(jìn)其對 SARS COV-2的認(rèn)識。
https://www./article/deepmind-alphafold-protein-diseases
AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫（the AlphaFold Protein Structure Database）的建立基于國際科學(xué)界的諸多貢獻(xiàn)，以及 AlphaFold 的復(fù)雜算法創(chuàng)新和 EMBL-EBI 在共享世界生物數(shù)據(jù)方面的數(shù)十年經(jīng)驗(yàn)。DeepMind和EMBL的歐洲生物信息研究所（EMBL-EBI）共同提供了AlphaFold 預(yù)測結(jié)果的訪問服務(wù)，以便他人可將之作為一種工具來啟動和加速研究，并開辟全新的科學(xué)發(fā)現(xiàn)途徑。
EMBL副主任、EMBL-EBI主任Ewan Birney說，“這是自人類基因組（the Human Genome）以來最重要的數(shù)據(jù)庫。將AlphaFold的預(yù)測結(jié)果對國際科學(xué)界開放，打開了許多條嶄新的研究方向，包括以前被忽視的疾病、生物工程的新型酶等，拓展我們對世界認(rèn)知的邊界?！?/span>
National Human Genome Research Institute
除了人類蛋白質(zhì)組，該數(shù)據(jù)庫囊括多達(dá) 350000 個結(jié)構(gòu)，包括20種具有重要生物學(xué)研究意義的模式生物，如大腸桿菌、果蠅、小鼠、斑馬魚、瘧原蟲、肺結(jié)核菌等。對這些生物的研究催生了無數(shù)的論文和科研成果。這么多蛋白質(zhì)結(jié)構(gòu)將使得從神經(jīng)生物學(xué)到藥學(xué)的廣闊領(lǐng)域的研究者都能加速他們的科研工作。該數(shù)據(jù)庫和系統(tǒng)將定期更新，DeepMind與EMBL將繼續(xù)投資于AlphaFold的未來改進(jìn)，在未來數(shù)月，我們計劃將蛋白質(zhì)結(jié)構(gòu)預(yù)測的覆蓋范圍擴(kuò)大到幾乎所有已知的測序蛋白質(zhì)，超過1億個結(jié)構(gòu)，涵蓋UniProt參考數(shù)據(jù)庫的大部分。
Paul Nurse，2001諾貝爾生理學(xué)醫(yī)學(xué)獎，F(xiàn)rancis Crick研究所主任，EMBL科學(xué)顧問委員會主席“計算方法正在改變科學(xué)研究，為有益于公共利益的發(fā)現(xiàn)和應(yīng)用開辟新的可能性。了解蛋白質(zhì)的功能對于提高我們對生命的認(rèn)識至關(guān)重要，并將最終導(dǎo)致醫(yī)療保健、糧食可持續(xù)性、新技術(shù)等等方面的改進(jìn)。DeepMind 與 EMBL 共同發(fā)布了AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫，這是生物學(xué)創(chuàng)新的一個重大飛躍，展示了跨學(xué)科合作對科學(xué)進(jìn)步的影響。有了這些免費(fèi)和公開的資源，科學(xué)界將能夠利用集體知識加速發(fā)現(xiàn)，開創(chuàng)人工智能生物的新紀(jì)元。”Venki Ramakrishnan，2009諾貝爾化學(xué)獎，英國皇家科學(xué)會前主席“蛋白質(zhì)折疊問題是生物學(xué)50年來的重大挑戰(zhàn)，這項(xiàng)計算工作代表了對該問題研究的驚人進(jìn)展。這出乎許多業(yè)內(nèi)人士的預(yù)料。看到它將從根本上改變生物學(xué)研究，我們將感到振奮?！?/span>Elizabeth Blackburn，2009年諾貝爾生理學(xué)醫(yī)學(xué)獎，加州大學(xué)舊金山分校榮休教授“隨著這些由DeepMind首創(chuàng)的革命性蛋白質(zhì)結(jié)構(gòu)研究方法的普及，這將為科學(xué)界打開了解基因組序列的生物學(xué)意義的新窗口。”Patrick Cramer，馬克思·普朗克生物物理化學(xué)所主任“DeepMind和EMBL提供的絕佳資源將改變我們進(jìn)行結(jié)構(gòu)生物學(xué)的方式。這些預(yù)測展示了機(jī)器學(xué)習(xí)的力量，并服務(wù)于全世界的科學(xué)機(jī)構(gòu)，這些機(jī)構(gòu)提供了開放數(shù)據(jù)，使這一突破性成就得以實(shí)現(xiàn)。這是一個開創(chuàng)性的例證：21世紀(jì)如何開展科學(xué)研究。” Ben Perry, 被忽視疾病藥物倡議（DNDi）的領(lǐng)導(dǎo)者“我們需要為全世界數(shù)百萬面臨被忽視疾病風(fēng)險的人極大地加速新藥發(fā)現(xiàn)。人工智能可以改變游戲規(guī)則：通過快速準(zhǔn)確地預(yù)測蛋白質(zhì)結(jié)構(gòu)，AlphaFold開辟了新的研究視野，提高了研發(fā)的范圍和效率，促進(jìn)了我們在疾病流行的國家的研究。看到強(qiáng)大的尖端人工智能能夠解決幾乎只集中在貧困人口中的疾病，令人鼓舞。”John McGeehan，樸茨茅斯大學(xué)酶創(chuàng)新中心主任，結(jié)構(gòu)生物學(xué)教授“我們的任務(wù)是為塑料的循環(huán)利用開發(fā)創(chuàng)新酶的解決方案。這項(xiàng)技術(shù)正在以一種無人能預(yù)料到的方式加速我們的研究。DeepMind提供的開放訪問將改變整個社區(qū)，讓每個人都能做這些類型的實(shí)驗(yàn)。我們花了數(shù)月和數(shù)年的時間，AlphaFold在一個周末就能完成。我覺得我們比昨天至少提前了一年。”
https://www./research/research-centres-and-groups/centre-for-enzyme-innovation
Marcelo Sousa，科羅拉多大學(xué)博爾德分校生物化學(xué)系教授“AlphaFold的預(yù)測最終解決了困擾了我們10多年的實(shí)驗(yàn)難題，加速了我們對抗生素耐藥性的研究。這些預(yù)測是如此精準(zhǔn)，以至于開始時我認(rèn)為我可能做錯了實(shí)驗(yàn)設(shè)置?！?/span> Sundar Pichai，Google & Alphabet CEO
“AlphaFold數(shù)據(jù)庫顯示了人工智能深刻加速科學(xué)進(jìn)步的潛力。DeepMind的機(jī)器學(xué)習(xí)系統(tǒng)不僅在一夜之間極大地擴(kuò)展了我們對蛋白質(zhì)結(jié)構(gòu)和人類蛋白質(zhì)組所積累的知識，而且它對生命組成部分的深刻見解為科學(xué)發(fā)現(xiàn)的未來帶來了非凡的希望?！?/span>
Pushmeet Kohli，DeepMind，AI for Science首席科學(xué)家“我們的團(tuán)隊(duì)一直在通過AlphaFold預(yù)測蛋白質(zhì)的結(jié)構(gòu)，進(jìn)而破譯和解鎖蛋白質(zhì)世界。我們正通過一個數(shù)據(jù)庫向每個人提供AlphaFold的預(yù)測，最大限度地利用這些由結(jié)構(gòu)帶來的洞見來取得科學(xué)進(jìn)步。這個數(shù)據(jù)庫和 AlphaFold 有可能開辟科學(xué)研究的新途徑，最終將促進(jìn)我們對生物學(xué)和生命本身的理解。我們相信，這將對與健康和疾病、藥物設(shè)計過程和環(huán)境可持續(xù)性等問題的研究產(chǎn)生變革性影響，我們非常興奮地期待在未來數(shù)月和數(shù)年內(nèi)開發(fā)出什么樣的應(yīng)用。”
John Jumper, DeepMind，AlphaFold 首席科學(xué)家“隨著數(shù)據(jù)庫的擴(kuò)展，幾乎每一類蛋白質(zhì)的結(jié)構(gòu)都將可以獲得。AlphaFold數(shù)據(jù)庫很可能變革我們處理生物信息學(xué)的方式，即DNA和蛋白質(zhì)的大規(guī)模研究，因?yàn)樗鼘⑹刮覀兡軌蛞越踉泳妊芯克幸阎锏牡鞍踪|(zhì)。我們樂觀地認(rèn)為，AlphaFold的前景和機(jī)器學(xué)習(xí)的進(jìn)步將推動蛋白質(zhì)研究進(jìn)入一個令人興奮的新階段，在這一階段，深度學(xué)習(xí)工具能夠與實(shí)驗(yàn)方法一起定量理解生物學(xué)。”Kathryn Tunyasuvunakool，DeepMind，研究科學(xué)家“AlphaFold模型可以用來幫助實(shí)驗(yàn)確定結(jié)構(gòu)。對結(jié)構(gòu)有一個足夠準(zhǔn)確的初步預(yù)測，將使研究人員能夠重新訪問和解決以前無法建立模型的舊X-ray數(shù)據(jù)集和cryo-EM maps。這是計算方法與實(shí)驗(yàn)方法相輔相成的絕佳例子。” Dame Janet Thornton，EMBL-EBI榮譽(yù)主任
“人工智能是AlphaFold預(yù)測的基礎(chǔ)，而預(yù)測則基于全世界科學(xué)家在過去50年中收集的數(shù)據(jù)。開放這些模型無疑將激發(fā)蛋白質(zhì)結(jié)構(gòu)的實(shí)驗(yàn)和理論研究人員將此新知識應(yīng)用到他們自己的研究領(lǐng)域并開拓新領(lǐng)域的興趣。這有助于我們對生命系統(tǒng)的認(rèn)識，并為人類開啟一切機(jī)會。”Sameer Velankar，EMBL-EBI首席科學(xué)家“自人類基因組革命20年來，AlphaFold是生物學(xué)研究的重大突破。蛋白質(zhì)的功能由其結(jié)構(gòu)決定，AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫將提供數(shù)以百萬計的蛋白質(zhì)結(jié)構(gòu)，加速發(fā)現(xiàn)過程。前所未有的數(shù)據(jù)規(guī)模將掀起新一輪創(chuàng)新浪潮，幫助我們應(yīng)對從健康到氣候變化的挑戰(zhàn)?！?/span>Christoph Müller，EMBL，結(jié)構(gòu)與計算生物學(xué)小組首席科學(xué)家“這是巨大的進(jìn)步。AlphaFold的結(jié)構(gòu)預(yù)測將大大加快結(jié)構(gòu)生物學(xué)研究，并將使蛋白質(zhì)三維結(jié)構(gòu)更成為生命科學(xué)研究的焦點(diǎn)?！?/span>DeepMind 發(fā)布詳細(xì)的算法，公開源代碼，共享訓(xùn)練數(shù)據(jù)，對學(xué)術(shù)界而言，可謂幾家歡喜幾家愁。無數(shù)實(shí)驗(yàn)研究組和應(yīng)用型計算研究組都將獲益，花幾十萬人民幣，或者實(shí)驗(yàn)室單獨(dú)購買，或者學(xué)校平臺合資購買，配置一臺能跑動 AlphaFold2 的工作站，就將能自主地、大大加速自己的研究。
然而，對于開發(fā)方法的競爭者而言，打擊不可謂不大 —— 原因也簡單，跑死馬也追不上??！ 如果DeepMind不開源，那么各家還可以根據(jù)推測的算法自行開發(fā)，聲稱只是根據(jù)科學(xué)原理完成了相似的工作；但是，AlphaFold2 開源之后，任何一個有志于開發(fā)獨(dú)立方法的團(tuán)隊(duì)都不可能不讀 AlphaFold2 的論文，不研習(xí)它的方法。這樣就無法回避知識產(chǎn)權(quán)問題 —— 這點(diǎn)對工業(yè)界的競爭者尤甚。可是，憑借學(xué)術(shù)界的小團(tuán)隊(duì)人員配備與經(jīng)濟(jì)實(shí)力，除非 DeepMind 如對待AlphaGo一般停止對 AlphaFold 的更新訓(xùn)練，否則，如何趕得上？須知道David Baker的研究組已經(jīng)是首屈一指的航母般的巨型研究組了。一般小組三五七個人怎么追趕？另一方面，我感慨、贊美DeepMind開源數(shù)據(jù)庫的胸襟和氣魄。誠然如上文 EMBL主任 Edith Heard 所說，DeepMind 采用PDB等公共數(shù)據(jù)庫內(nèi)的數(shù)據(jù)訓(xùn)練了AlphaFold模型，而那些數(shù)據(jù)來自過去50年來全世界科學(xué)家點(diǎn)點(diǎn)滴滴的積累；由此觀之，DeepMind將預(yù)測模型免費(fèi)開放給全世界符合邏輯，似乎理所應(yīng)當(dāng)。但是依此邏輯，Springer, Elsevier, Wiley 等出版商就應(yīng)該免費(fèi)向?qū)W術(shù)界提供論文，不是嗎？配置超算設(shè)備不花錢么？訓(xùn)練模型不花錢么？雇傭頂級科學(xué)家和工程師不花錢么？DeepMind不用賺錢么？即使將這樣龐大的數(shù)據(jù)庫商業(yè)化，愿意付費(fèi)者恐怕也應(yīng)者如云吧？藥廠爭著就要用。把它當(dāng)作 IPO 時討價的資本不香嗎？所以，哪有那么多理所應(yīng)當(dāng)？科學(xué)國際主義萬歲！這是變革的時代。DeepMind 讓大家認(rèn)識到工業(yè)界也可以做出不遜于學(xué)界的前瞻性、探索性的基礎(chǔ)科研，而不是僅僅亦步亦趨地做工程性科研。所需要的是，雄厚資本的傾注，對短期商業(yè)化收支平衡表的無視，單純的科學(xué)探索之心，造福全人類的無私情懷，一群對的人，以及對科研員的尊重：待遇給夠、更專業(yè)的人領(lǐng)導(dǎo)專業(yè)的人。https://www./about/news/press-releases/alphafold-database-launchhttps://www./blog/2021/07/alphafold-2-is-here-whats-behind-the-structure-prediction-miracle/
|
