人/陳根

蛋白質是生命的基石，幾乎支持人體的所有功能。 同時，蛋白質是一個由氨基酸鏈組成的大的復雜分子。 蛋白質的功能在很大程度上取決于其獨特的三維結構。 準確預測蛋白質三位結構無疑是生命科學和醫學的一大福音，這意味著大大加速了對細胞成分的理解，并使藥物發現更快、更先進。

然而，預測蛋白質三位結構的“蛋白質折疊問題”并不簡單。 一個主要的挑戰是，在形成最終的三維結構之前，蛋白質理論上可以折疊的方式數量是天文數字。

當Cyrus Levintal(Cyrus Levinthal)在1969年指出，通過暴力計算來列舉一種典型蛋白質的所有可能構型需要比已知的宇宙年齡更長的時間，他估計一種典型蛋白質有10^300種可能的構型。 事實上，在過去的半個世紀里，蛋白質折疊問題一直是生物學中的一個巨大挑戰。

然而，本世紀困擾科學家的問題在人工智能的深入研究下取得了巨大的突破。 去年年底，Google Deep Mind推出了一種名為Alpha Fold的算法，這是一種利用人工智能加速科學發現的系統，它基于蛋白質基因序列來預測蛋白質的三d結構。

最近，在被稱為“蛋白質奧林匹克競賽”的國際蛋白質結構預測競賽(CASP)上，AlphaFold擊敗了其余的參與者，并能夠基于氨基酸序列準確地預測蛋白質的三D結構。 其準確性可能與低溫電子顯微鏡(CryoEM)、核磁共振或X輻射有關晶等實驗技術分析三D結構具有可比性。

這一發展也受到研究者的高度贊揚。 馬克斯·普朗克發展生物學研究所(Max Planck Institute for Developmental Biology)和CASP評估員Andre Lupas教授(Andrei Lupas)說：“Alpha Fold(Alpha Fold)驚人精確的模型使我們能夠解決近十年來困擾科學界的蛋白質結構問題，重新學術研究，以了解信號是如何通過細胞膜傳遞的。 “

阿爾法折疊可能幫助科學家發現蛋白質功能障礙和某些疾病的原因在未來，為藥物開發開辟新的途徑，允許快速的醫療治療。 它還可以幫助開發降解塑料廢物的酶，或者通過預測新病毒的蛋白質結構來幫助解決未來的流行病。 同時，它也可以幫助解開我們目前不知道它們結構的數億蛋白質。

諾貝爾獎得主、皇家學會主席Venki Ramakrishnan教授說，這項工作代表了蛋白質折疊方面的驚人進步，這是生物學50年來的一個重大挑戰。