生物学界最大的谜团之一，蛋白质折叠问题被 AI 破解了。

CASP14 组织者、年近七旬的 UC Davis 科学家 Andriy Kryshtafovych 在大会上感叹道，I wasn't sure that I would live long enough to see this（我活久见了）[1]。

11 月 30 日，一条重磅消息引发了科技界所有人的关注：谷歌旗下人工智能技术公司 DeepMind 提出的深度学习算法「Alphafold」破解了出现五十年之久的蛋白质分子折叠问题。

最新一代算法 Alphafold 2，现在已经拥有了预测蛋白质 3D 折叠形状的能力，这一复杂的过程对于人们理解生命形成的机制至关重要。

DeepMind 重大科研突破的消息一出即被《Nature》、《Science》等科学杂志争相报道，新成果也立刻获得了桑达尔 · 皮查伊、伊隆 · 马斯克等人的祝贺。

科学家们表示，Alphafold 的突破性研究成果将帮助科研人员弄清引发某些疾病的机制，并为设计药物、农作物增产，以及可降解塑料的「超级酶」研发铺平道路。

「这是该研究领域激动人心的一刻，」DeepMind 创始人、首席执行官德米斯 · 哈萨比斯说道。「这些算法今天已经足够成熟强大，足以被应用于真正具有挑战性的科学问题上了。」

蛋白质对于生命至关重要，它们是由氨基酸链组成的大型复杂分子，其作用取决于自身独特的 3D 结构。弄清蛋白质折叠成何种形状被称为「蛋白质折叠问题」。在过去 50 年里，蛋白质折叠一直是生物学领域的重大挑战。

DeepMind 的 AlphaFold 让人类在这一问题上取得了重要突破。在今年的国际蛋白质结构预测竞赛 CASP 中，DeepMind 开发的 AlphaFold 最新版本击败了其他选手，在准确性方面比肩人类实验结果，被认为是蛋白质折叠问题的解决方案。这一突破证明了 AI 对于科学发现，尤其是基础科学研究的影响。

在两年一次的 CASP 竞赛中，各组争先预测蛋白质的 3D 结构。今年，AlphaFold 击败了所有其他小组，并在准确性方面与实验结果相匹配。

对于不熟悉生物领域的人来说，CASP 的大名可能有些陌生——CASP 全称 The Critical Assessment of protein Structure Prediction，旨在对蛋白质结构预测进行评估，被誉为蛋白质结构预测的奥林匹克竞赛。CASP 从 1994 年开始举办，每两年一届，目前正在进行的一届是 11 月 30 日开始的 CASP14。

而 DeepMind 这一突破有什么影响？

用哥伦比亚大学计算生物学家 Mohammed AlQuraishi 在 Nature 文章中的话来说，「可以说这将对蛋白质结构预测领域造成极大影响。我怀疑许多人会离开该领域，因为核心问题已经解决。这是一流的科学突破，是我一生中最重要的科学成果之一。」

蛋白质折叠问题

蛋白质的形状与它的功能密切相关，而预测蛋白质结构对于理解其功能和工作原理至关重要。很多困扰全人类的重大问题（如寻找分解工业废料的酶）基本上都与蛋白质及其扮演的角色有关。

多年以来，蛋白质结构一直是热门的研究话题，研究者使用核磁共振、X 射线、冷冻电镜等一系列实验技术来检测和确定蛋白质结构。但这些方法往往依赖大量试错和昂贵的设备，每种结构的研究都要花数年时间。

1972 年，美国科学家克 Christian Anfinsen 因「对核糖核酸酶的研究，特别是对其氨基酸序列与生物活性构象之间联系的研究」获得诺贝尔化学奖。在颁奖礼上，他提出了一个著名的假设：从理论上来说，蛋白质的氨基酸序列应该可以完全决定其结构。这一假设引发了长达五十年的探索，即仅仅基于蛋白质的一维氨基酸序列计算出其三维结构。

但这一思路的挑战在于，在形成三维结构之前，蛋白质的理论折叠方式是一个天文数字。1969 年，Cyrus Levinthal 指出，如果使用蛮力计算的方式来枚举一种蛋白质可能存在的构象，要花费的时间甚至比宇宙的年龄还要长。Levinthal 估计，一种蛋白质大约存在 10^300 种可能构象。但在自然界中，蛋白质会自发折叠，有些只需几毫秒，这被称为 Levinthal 悖论。