布萊恩的創業小窩

人工智慧 AlphaFold到底有多少機會能突破瓶頸,這篇繼續探討~ 人工智慧 AlphaFold 有望突破現有生物．醫學瓶頸 《MIT 科技評論》報導表示，DeepMind 未來希望能將 AlphaFold 投入疾病研究，如瘧疾、嗜睡病、利什曼病等，這些寄生蟲引發的疾病都牽涉到許多未知的蛋白質結構；亦有傳統方法難以辨別的蛋白質，用 AlphaFold 預測可能會特別有效，例如因不容易結晶而很難透過實驗來判斷的膜蛋白。   ▲ DeepMind 的科學家與工程師的幕後故事，談論他們如何創建出 AlphaFold。     蛋白質可以成為催發化學反應的酵素、抗擊疾病的抗體或是胰島素等等，美國馬里蘭大學生物科學與生物技術研究所的約翰‧莫爾特博士（John Moult）表示：「蛋白質分子哪怕是微小的重新組合排列，都會對人們的健康產生災難性的影響。因此，要了解疾病和找到新治療手段就要研究蛋白質。」 若 AlphaFold 的預測精準度未來可以再升級，除了可以突破現階段的醫療瓶頸，也能讓人類更能應對新病毒、新疾病，亦能加快新藥開發時程。   AlphaFold 的不足與未來展望 AlphaFold 的確可以協助預測蛋白質折疊的結構，但想準確預測，仍然有諸多限制。 中央研究院生物醫學科學研究所研究員黃明經表示， 人工智慧 預測的是最終蛋白質摺疊的結果，和自然界蛋白質折疊的軌跡有差異。換句話說，AlphaFold 並不是因為理解過程而解碼這個問題，是靠電腦分析大量資料的技術；AlphaFold 雖然可以預測單一蛋白質結構，但仍無法精準預測較複雜的蛋白質複合體。 故即使 AlphaFold 在 CASP14 中表現驚人，但競賽中仍有約 1/3 的蛋白質是 AlphaFold 尚無法精準預測的。 得知蛋白質的結構只是第一步，目前 人工智慧 還未能準確地預測蛋白質摺疊後的功能，亦無法完全取代傳統的實驗方法，但可以協助科學家在複雜的實驗數據中縮小找尋結構的範圍，幫助解出困難的結構；AI 也可以學習到更多的結構、得到更準確的預測，所以 AI 和傳統方法是相輔相成的。 未來，有更多重要的問題等著 人工智慧 與人類一起攜手突破。   本系列文章為【生物學最大謎團被...

人工智慧 將成功破解蛋白質折疊嗎?今天就來跟你分享!     因開發出橫掃棋壇的圍棋 AI「AlphaGo」而廣為世人所知的 人工智慧 實驗室 DeepMind 又傳出捷報──這次他們開發出名叫「AlphaFold」的 AI，解決了困擾生物學界超過 50 年的「蛋白質折疊」難題，以往要精確得知一個蛋白質的完整結構，需要數月、數年甚至數十年的實驗研究，而 人工智慧 只要花費幾小時就能完成。 推薦閱讀： 人工智慧 Suphx 打敗人類雀聖！微軟：研發麻將 AI 比圍棋 AI 複雜 且由於蛋白質的結構影響它的 功能，許多疾病又和蛋白質的功能有關，若能解決這個難題，就表示醫療領域可以再進一大步，未來人類將能更了解包括新型冠狀肺炎等疾病，亦能加速新藥物的開發。   蛋白質折疊：生物學最大謎團之一 胺基酸是構成蛋白質的基本單位，蛋白質是由一條氨基酸鏈摺疊成特定三維結構所構成，而蛋白質的功能就取決於這個三維結構，甚至被稱為「理解生命的密碼」。這半個世紀以來，科學家一直試圖掌握不同蛋白質的形狀，以期深入理解它們的作用及引起疾病的方式。然而因為氨基酸鏈摺疊的可能性太多，「蛋白質摺疊」（Protein folding）難題便成為生物學最重大的挑戰之一。     ▲ DeepMind 上傳說明影片，解釋何謂「蛋白質折疊」。     自 1972 年，諾貝爾化學獎得主克里斯蒂安．安芬森（Christian Anfinsen）就表示：若要從胺基酸序列預測蛋白質架構，折疊的可能方式會多到無法估計；生物學家塞瑞斯．列文塔爾（Cyrus Levinthal）具體指出，蛋白質折疊有「10 的 300 次方」種可能方式，想靠人工計算來暴力破解，花費時間可能比宇宙存在的時間都長。 這也是為什麼 DeepMind 開發出可以預測蛋白質最終結構的 AlphaFold，會讓全世界震驚於 AI 的突破。   能預測蛋白質結構的 AI 系統「AlphaFold」 DeepMind 表示，AlphaFold 可以藉由胺基酸序列，快速且準確預測蛋白質的三維立體結構。 AlphaFold 的神經網路上添加了注意力機制（Attention Me...