最近發(fā)生的科技事件好多呀，本想全部匯總寫在一個小科普里，但篇幅太長了。那么今天就先介紹一下由DeepMind開發(fā)的可以預(yù)測蛋白質(zhì)3D結(jié)構(gòu)的AlphaFoldⅡ。

AlphaFoldⅡ

?

綠色是實驗測定結(jié)構(gòu)，藍色為計算預(yù)測結(jié)構(gòu)?？梢夾lphaFoldⅡ預(yù)測結(jié)果與現(xiàn)實結(jié)構(gòu)的匹配度很高。

蛋白質(zhì)是生命活動的基礎(chǔ)，所有結(jié)構(gòu)和功能的實現(xiàn)都需要蛋白質(zhì)。1972年，諾獎得主Christian Anfinsen提出猜想：蛋白氨基酸序列可決定蛋白結(jié)構(gòu)，而結(jié)構(gòu)決定功能?，F(xiàn)代生物學(xué)很多研究都是建立在這個“序列→結(jié)構(gòu)→功能”的假設(shè)上。

目前，測序技術(shù)使我們數(shù)據(jù)庫的氨基酸序列存貨猛增（【現(xiàn)學(xué)現(xiàn)賣】實驗-DNA測序【現(xiàn)學(xué)現(xiàn)賣】一個完整基因組序列的時代），但是結(jié)構(gòu)和功能層面進展相對較慢，擁有實驗測定3D結(jié)構(gòu)的蛋白質(zhì)非常少。目前常用的實驗測定方法為X射線衍射、核磁共振或電子顯微鏡，這些方法耗時長，成本高，科學(xué)家們一直在尋求更好的預(yù)測方法。

DeepMind團隊多年前開始嘗試用人工智能算法解決這個問題，2018年參加國際蛋白質(zhì)結(jié)構(gòu)預(yù)測競賽（CASP-13）的AlphaFoldⅠ也取得了相當(dāng)不錯的成績。近年的比賽其預(yù)測結(jié)果的準確度和得分更是刷了新高，比賽組織者評價其基本解決了預(yù)測蛋白質(zhì)折疊和結(jié)構(gòu)的問題。

FoldⅠ在CASP13中對T09886s2的結(jié)構(gòu)預(yù)測流程

簡單來說，AlphaFold是利用神經(jīng)網(wǎng)絡(luò)和已知的數(shù)據(jù)（序列對應(yīng)3D結(jié)構(gòu)）進行訓(xùn)練。首先查詢序列與數(shù)據(jù)庫內(nèi)序列進行多序列比對（MAS：Multiple sequence alignment），分析模擬出氨基酸組件間的距離和扭轉(zhuǎn)角，得到初步預(yù)測；接著AlphaFoldⅠ會基于氨基酸序列，創(chuàng)造出一個符合物理規(guī)則的隨機三維結(jié)構(gòu)，然后用梯度下降法優(yōu)化初步預(yù)測中的各個參數(shù)，得到更加準確的結(jié)構(gòu)（FoldⅡ在Ⅰ基礎(chǔ)上的改進還沒有公開發(fā)表，這里的圖是Ⅰ論文中的，Ⅱ的內(nèi)容需等待即將發(fā)表的論文）。

上面那段話的圖片版

2

Alpha?Go

這不是DeepMind第一次走進人們的視線，與其他計算機科學(xué)的團隊相比，他們的成果近年一直活躍在媒體上。還拍有紀錄片《Alpha Go》（還挺感人的，尤其是人類那種“特別想要贏，哪怕一次也就夠了”的心理，讓我忍不住思考，我們究竟是堅強還是脆弱的生物呢？）。

提到Alpha系列，繞不開的是下圍棋的AlphaGo（還有個玩星際爭霸Ⅱ的AlphaStar，就不說了）。虛擬環(huán)境和游戲是測試人工智能算法最理想的平臺。

相較于國際象棋，圍棋的變化仿佛神秘的宇宙。在國際象棋中，每個棋子約有20種可選路徑，而圍棋卻有200種，整個棋局變化數(shù)目比宇宙的原子總數(shù)還多，即使出動全世界的電腦去運行一百萬年，這樣的算力也不足以計算出所有可能的情形。

這也是為什么2016年AlphaGo以4:1擊敗李世石時，造成了人類那么大的震撼和緊張。AlphaGo這場勝利與深藍擊敗卡斯帕羅夫有不同，它的核心是深度神經(jīng)網(wǎng)絡(luò)，主要由三部分構(gòu)成：走棋網(wǎng)絡(luò)，估值網(wǎng)絡(luò)和樹搜尋。

走棋網(wǎng)絡(luò)掃描棋盤，選出候選落子點，根據(jù)每個落子點可能產(chǎn)生的變化，構(gòu)建樹狀圖。然后運用估值網(wǎng)絡(luò)，分析每種方法獲勝幾率。AlphaGo的每一步偏向?qū)⒆罱K勝率調(diào)到最大，而不在乎是否為中盤獲勝或者半目險勝。

它的落子有時很有創(chuàng)意，比如與李對局的第二局，第37步。后臺計算顯示人類會下在這里的概率為一萬分之一，可以說是AlphaGo的自創(chuàng)。有趣的是，第四局，李也下了一步后臺顯示概率為一萬分之一的78步，贏得了第四局比賽。

這一萬分之一的一步是否可以稱之為“神之一手”我不知道，但是人工智能或許可以幫助我們參悟圍棋。同理，其他行業(yè)也一樣。

3

人工智能

人工智能這個概念在各個行業(yè)都有應(yīng)用，它是一個很有力的工具。前幾天我還看到利用人工智能總結(jié)科技論文。

論文太長不想看，或者找不到重點？這時候可以用這個AI來幫助我們進行一句話總結(jié)，還真是挺有趣的。

今天的人工智能和十九世紀的電燈和火車一樣，新鮮、厲害、并且讓一些人害怕。將人工智能系統(tǒng)人格化的傾向加劇了人們的誤解和恐慌，開發(fā)者們不得不保證在研究AI的同時，一定也會思考長期影響，在這場變革中負起責(zé)任。

但現(xiàn)實是人工智能還處于萌芽階段，智能家電距離我們比《終結(jié)者》的畫面近得多。另一方面，我們正在高速的沖向未來，可以看到目前“出圈”的人工智能研究都是跨學(xué)科綜合研究。團隊中的專家各有所長，負責(zé)自己的一部分，沒有人能做到看清楚一個項目的全貌，更別說預(yù)測這個項目成果10年之后對全人類的影響了。所以說，過分惶恐或者等著開發(fā)者負起責(zé)任什么的，都是沒有必要的。

硅基智能和碳基生物的長遠未來我無法想象，但是在可預(yù)見的時間里，人工智能一定是最有力的幫手，有力到可以替代一批人，這是必然的，也是不用擔(dān)心的。就好像在采集時代，一個人帶著一片能兜住東西的大葉子采果子，第二個人就不必去了，于是他可能在休息的時候?qū)W會了生火。

這次的AlphaFold2事件后，有人“擔(dān)心”施一公，顏寧要失業(yè)了。我想他們應(yīng)該是吃著同伴采回來的果子，興奮地研究眼前木頭的那第二個人，并且很滿意自己不用苦哈哈地去采摘了。結(jié)構(gòu)是打開生物功能的鑰匙，功能大門之后還另有乾坤。