DeepMind：游戏仅是试验台，我们要的是解决世界难题

谷歌旗下的人工智能实验室DeepMind赢得了在墨西哥坎昆举行的第13届全球蛋白质结构预测竞赛（Critical Assessment of protein Structure Prediction，CASP）上，这意味着人工智能将产生更多的现实意义。

DeepMind因开发能够擅长棋类游戏(如国际象棋和围棋)的人工智能系统而闻名,比如AlphaGo,但该公司的重点领域是医疗保健行业。

从某种程度来说，游戏仅仅是一个试验台，用技术解决现实世界的难题才是DeepMind的根本目的。

根据分子生物学中心法则，生物遗传信息的传递是由DNA到RNA（转录）、RNA到蛋白质多肽链（翻译）、再由多肽链形成具有生物活性的蛋白质（折叠）进行的，目前对前两个过程已有相当深入和清晰的了解，但对后者尚不十分清楚。可以说蛋白质折叠是生物学中心法则中至今尚未解决的一个重大生物学问题。

蛋白质是生物体内一切功能的执行者，具有完整一级结构的多肽链只有当其折叠形成正确的三维空间结构才能具有正常的生物学功能，甚至会引起疾病，例如阿尔茨海默病（老年痴呆）、帕金森、囊胞性纤维症等。

克里克生物医学实验室的研究小组组长大卫·琼斯在一份声明中说:“蛋白质的三维结构可能是科学家们能够获得的最有用的信息，有助于了解蛋白质在细胞中是如何工作的。”

用实验技术确定蛋白质结构既耗时又需要大量的资金支持，在过去的五十年中，科学家们已经能够使用冷冻电子显微镜，核磁共振或X射线晶体学等实验技术来确定实验室中蛋白质的形状，但每种方法都依赖于大量的试验和错误，这可能需要每年高达数万美元的成本。

毫无疑问，用计算机算法来计算蛋白质的结构是最佳选择。

“阿尔法折叠”最终的目标是确定每个人类蛋白质的精确结构，为药物的发现打开新的可能性。

DeepMind表示，“阿尔法折叠”(AlphaFold)系统已经开发了两年，能够预测蛋白质将折叠成的三维形状，生成的蛋白质的三维模型比在生物学取得重大核心进展之前的任何模型都要精确，但仍旧存在着许多待完善之处。

为了构建AlphaFold，DeepMind在数千种已知蛋白质上训练了一个神经网络，直到它可以预测单独使用氨基酸的3D结构。

一旦AlphaFold被提供了一种新蛋白质，它就会利用其神经网络来预测其组成氨基酸对之间的距离，以及它们连接化学键之间的角度，形成一个牵伸结构。然后，AlphaFold调整此结构以找到最节能的结构。

尽管在疾病治疗的路上还有很长一段要走，但用技术来解决人需要花费大量时间金钱来解决的难题，这亦是人类的胜利。