为什么说 AlphaFold 2 足以改变全人类？( 三 )

CASP
CriticalAssessmentofproteinStructurePrediction(CASP) ，蛋白质结构预测技术的关键测试，是自1994年以来每两年进行一次的全球范围内的蛋白质结构预测竞赛，目的是更好预测和破解蛋白质三维结构。每两年一次的比赛中，还未公开发表论文的刚被测出来三维结构的蛋白质被用来当做测试目标，进行公平的三维结构的预测。 2022年又要举办啦，感兴趣的小伙伴们冲啊！
2为啥深度学习研究蛋白质结构很重要
1）分析蛋白质功能。蛋白质的三维结构确定其工作方式与功能。生物的基因通过表达为蛋白质等生物分子来进行各种生命活动。研究蛋白质的功能，首先就要知道它以什么样的构型与其他的配体或者蛋白发生作用。预测了蛋白质的三维结构，我们可以得到其活性区间和靶点。对于给定的结合位点，我们可以识别，设计以及改善其配体。我们也可以进行抗原表位预测等等。特别是对于酶或者其他有催化活性的蛋白质来说，他们活性中心的保守性较高，而外周部分的保守性较低，而我们通常的研究方法就是收集他的突变体，进行每个氨基酸残基改变后对蛋白质功能的影响进行研究，为了指导更好的功能研究，首先要对其结构进行一定程度的预测。
2）制药领域的需求。新药的研制流程包括，首先确定病的成因靶点，即哪个蛋白质/哪个基因出了问题，需要去抑制这个靶点还是去激活这个靶点。然后是针对靶点进行对应小分子药物的设计，比如模拟体内的小分子再修改其功能，修改已有相似药物的功能，根据靶点的三维结构去设计对应结构可以结合上的小分子，或者对已知可合成的小分子进行高通量筛选。之后是对这一步中所有可能的小分子进行缩小范围，比如判断其毒性，跨模型，在体内会残留多久，会不会对其他器官/蛋白质产生损害等等。再往后就进入了实验和临床，从试管和小动物开始，逐步到人体试验，整个过程需要花费10到15年去研发一款新药，花费5到10亿美元或者更多。无论是小分子药物，蛋白质药物，还是疫苗的设计，临床前的设计都可以通过AI的辅助减少大量的时间金钱花费，高效地进行靶点判断，药物筛选，毒性判断等等。
3）通过实验进行蛋白质三维结构的测定成本过高。为了测到一个蛋白质的三维结构，需要耗费科学家很大的经历，花费几个月甚至几年的时间进行实验测量。蛋白质的三维结果可以通过核磁共振、结晶然后X射线、冷冻电镜等。可以结晶的蛋白质只占少数，尤其是膜蛋白这种难溶的蛋白质；核磁共振的精度比较低，分辨度和灵敏度都不足，分子量三万以上的蛋白基本上无法使用核磁共振分析；冷冻电镜由于其精度和覆盖范围称为生物大分子结构解析的主要方法，近些年通过冷冻电镜测出来的高精度蛋白质三维结构数量增加，这也使得我们通过机器学习进行蛋白质三维结构预测在数据量上成为可能。但是使用冷冻电镜的价格很昂贵，所需要的技术门槛很高，往往使用冷冻电镜测量出一个蛋白质的精确三维结构就意味着一篇Nature子刊甚至Nature正刊。而AlphaFold2直接把这个问题给解了，精度达到了和冷冻电镜相似，等于好多篇Nature摞起来，这就是这篇“魔改Transformer”的分量，被圈内的人认为是诺奖级别的工作。
4）理解生命。我们做NLP的在用各种技术去理解自然语言和应用自然语言，而生命这门语言同样值得我们分析。生命的密码被记录在DNA ，基因中，基因通过被翻译成蛋白质来表达功能。无论是DNA的序列， RNA的序列，还是蛋白质中氨基酸的序列，都是生命的这门语言，我们可以用NLP里序列分析的技术去解读生命的语言。另外举两个小例子， MSA中，同源的蛋白质的氨基酸有多大差异，就往往代表他们从同一个祖先分离出来之后独立进化了多久，我们可以分析氨基酸序列来追溯进化的历史，找到那些还未被发现的共同祖先；序列建模出三维结构，我们进一步可以建模病毒（大多病毒就是DNA/RNA外面罩一个蛋白质壳子），病毒已经介于生命和非生命之间了，而且计算出其生命结构和运行规律看起来已经不远了。如果再进一步如果有一天我们通过人工智能建模出了生命，这事就简直太帅了。