攻破50年生物难题后,谷歌 DeepMind 用 AI 挑战

这篇文章内容给诸位网民产生的新闻资讯是：攻克 50 年微生物难点后，Google DeepMind 用 AI 挑戰寄生虫感染 敬请赏析下面

6 月 25 日信息，这周三，据美国科技杂志期刊 Wired 报导，谷歌母公司 Alphabet 集团旗下人工智能技术企业 DeepMind 与制药业机构 DNDi 战略合作，将应用其产品研发的人工智能技术（AI）技术性 AlphaFold 来找寻对于病症的合理药物。

这一技术性在上年新冠肺炎疫情时兴前期就已出类拔萃，尽管仍有一部分生物学家对它的功效提出异议，但它主要表现出去的预测蛋白质结构的能力或将大大缩短药物产品研发全过程，获得了普遍的关心，专业人士对它的发展前途表明希望。

一、迅速预测蛋白质结构，破译分子生物学难点

2020 今年初，新冠肺炎肺炎疫情刚开始暴发，DeepMind 的生物学家就利用自研 AI 实体模型 AlphaFold 制作出一些 SARS-CoV-2 病毒感染（即新式新冠病毒）的蛋白质结构，这一結果之后被试验证实是精确的，接着被全球的病毒学家应用。这时候它与众不同的能力就早已逐渐显露。

2020 年末 DeepMind 公布，AlphaFold 早已破译了困惑分子生物学界 50 很多年的一项难点，即对蛋白质结构的预测。

马里兰大学测算微生物权威专家罗伯特・莫尔特（John Moult）针对 AlphaFold 的发展潜力觉得既诧异又激动：“它是人工智能技术初次处理比较严重的关键问题，它能够 对蛋白质的构造开展高品质的测算，这一市场前景将对了解分子生物学的很多层面造成巨大的协助。比如，下一次大家遇上大传染病时，能够 迅速地明确很有可能的药物对策。”

▲左为药物试验室結果，右为 AlphaFold 結果

二、打进制药业行业，开发设计对于病症的合理药物

如今 DeepMind 已经为 AlphaFold 开发设计大量用以现实世界的运用，它公布与总公司开设在日内瓦的 Drugs for Neglected Diseases initiative（DNDi）创建新的战略伙伴关系。DNDi 是一家非盈利性制药业机构，过去 18 半年度一直专注于处理发达国家最致命性的病症：昏睡病（sleeping sickness）、恰加斯病（Chagas disease）和利什曼病（Leishmaniasis）。

DNDi 在找寻医治昏睡病的新方式层面早已获得了非常大的取得成功，可是针对后二种病症却没有什么进度。因而她们期待 AlphaFold 可以在医治这二种病症层面充分发挥较大的功效。

过去的 18 个月里，DNDi 和加州大学、邓迪大学及其葛兰素（美国药业公司）的一组传染性疾病科学研究工作人员早已发觉了一种分子结构，它好像可以与与恰加斯病的裂头蚴克氏锥虫上的蛋白质融合，这促使它可以封闭式裂头蚴并杀掉它。这种生物学家期待科学研究这类蛋白质的构造，以准确地掌握药物是怎样阻拦裂头蚴充分发挥的。

过去，它是一项繁杂而费劲的实验每日任务，必须好多年的時间来进行。但根据 AlphaFold，DNDi 以及合作方早已获得了对这类蛋白质样子的预测。佩里期待现在可以利用这种预测信息内容设计制作大量药物，以不一样的方法与这类蛋白质紧密结合来杀掉裂头蚴。

“这能够 使我们比两年前迅速地破译恰加斯病和利什曼病。假如你能迅速得到这种蛋白质结构，你能设计方案好几个备选药物，因此您有许多的临床研究总体目标。”DNDi 的药用价值科学家和项目经理本・佩里（Ben Perry）说。

▲克氏锥虫

三、具体功效仍存异议，业界青睐关注度不降

一些生物学家依然觉得，紧紧围绕 AlphaFold 的很多蹭热点必须解暑。

“能够 见到 DeepMind 在蛋白质伸缩层面的工作中更改了游戏的规则，但如今说对药物发觉的危害还为时过早。”美国加州大学美国旧金山校区的神经科学专家教授史蒂文・芬克贝纳（Steven Finkbeiner）说。

“我整体上觉得，它是一种经济发展合理的方式，能够 给予一个出发点，但优化算法不是极致，而且有很多状况下它失灵。蛋白质的全球极为繁杂，病毒感染或裂头蚴的蛋白质结构通常更非常容易预测，殊不知人体内部的转变要大很多。”芬克贝纳警示道。

虽然 AlphaFold 的具体功效仍存有异议，但它所呈现出去的加快药物发觉的概率早已在医药学行业获得了普遍关心。

据佩里常说，只是是由于她们如今把握了 AlphaFold 此项技术性，就进一步提高了其制药业合作方们对协助其产品研发热带病药物的兴趣爱好。

DNDi 和 DeepMind 也都期待 AlphaFold 可以减少药物发觉全过程的门坎，使中低收入我国的生物学家也可以科学研究开发的治疗方法。

DeepMind 的科学研究人工智能技术责任人普希米特・科诺说（Pushmeet Kohli）：“总体来说，大家尝试 AlphaFold 做三种种类的事儿。一是扩张它在构造预测层面能够 做的事儿，二是加快构造预测这一全过程，三是让没法应用繁杂、价格昂贵设备的人还可以应用上此项技术性。”

假如 AlphaFold 的确有利于快速开发一种医治恰加斯病或利什曼病的疗法，它将迅速便会被用以很多别的的医药学行业。

莫尔特对 AlphaFold 的将来非常开朗：“有着对于这种少见病症的潜在性药物靶蛋白质的构造，将有利于大家挑选最好的药物。大家依然必须改善电子计算机方式来科学研究分子结构怎样与这种蛋白质融合，但幸运的是，大家还可以将深度神经网络运用于这个问题。”

总结：预测蛋白质结构市场前景无尽，使用价值仍需時间证实

利用人工智能技术来预测蛋白质结构是一项具备开拓性的措施，虽然它还不可以替代试验室，可是此项技术性一旦完成，将大大缩短药物的产品研发全过程，合理的减少产品研发成本费，也将给学科建设给予巨大的便捷。

AlphaFold 的能力早已结合实际获得一定的呈现，但是其在药物产品研发中的具体功效现阶段仍存有一定的异议，也许仍必须一定的時间和实际实例来认证它如今的使用价值，其将来的发展趋势路面也必然将充斥着挑戰。但我们可以预料的是，人工智能技术将在未来的各行各业突显出令人震惊的功效，更新改造人们日常生活的各个方面。

来源于：Wired