尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
「依我之見，這是人工智慧對科學領域最大的一次貢獻，也是人類在 21 世紀取得的最重要的科學突破之一，」 談及 AlphaFold 的最新成果，生物物理學家、西湖大學校長施一公告訴 DeepTech。
圖 | 施一公（資料圖）
7 月 23 日，DeepTech 獨家專訪了施一公，以下為對話實錄：
問：繼上周在 Nature 發表論文之後，7 月 22 日，DeepMind 團隊在 Nature 發表論文，描述了 AlphaFold 對人類蛋白質組的準確結構預測，其得到的數據集涵蓋了人類蛋白質組近 60% 氨基酸的結構位置預測，且預測結果具有可信度。這會帶來哪些影響和好處？
施一公：人類蛋白質組裡能夠被預測的以單個蛋白為單位的空間三維結構，已經基本都被 AlphaFold 預測了。總體而言，預測結果可信、也比較準確。這是人類在認識自然界的科學探索征程中一個非常了不起的歷史性成績。
第一個影響，當然是對結構生物學領域，這是該領域的一個顛覆性突破。此前人類尚未被解析的一些結構，現在基本上都已經被 AlphaFold 預測，由於置信度比較高，因此可以說 AlphaFold 預測出來的結果很可能就是事實，從已有數據來看它的預測相當的精準。甚至可以說，人類蛋白質組的結構數據突然陡增兩至三倍！
第二個影響，是對生物化學、細胞生物學、遺傳發育、神經生物學、微生物學、病理藥理等一大批生命學科和研究領域的影響，這會大大改進我們對於生命過程的理解。比如，遺傳學家也許積累了大量數據，但如果不知道蛋白質結構，就沒法研究某個突變對於蛋白功能的影響。現在不同了，通過 AlphaFold 的結構預測就能查看人類遺傳病中的每一個突變在相幹蛋白結構裡的具體位置，找到突變位置後就有可能推測出蛋白功能如何受到影響。也就是說，AlphaFold 的出現，會從根本上幫助一大批基礎研究和應用研究的實驗室、一大批科研型醫生、一大批科研人員更好地理解生命的分子過程，理解疾病發生和發展的機理。
再比如，DeepMind 預測出來的蛋白結構，包括了眾多 GPCR 和關鍵酶在內的一大批結構未知的藥物靶點蛋白，而且預測的結構足夠準確。這對於制藥界來說實在太重要了，等於提供了可靠的藥物設計和藥物優化的一個重要基礎。甚至可以誇張地講，所有藥物小分子結合的藥物靶點蛋白的結構，幾乎被 AlphaFold 一網打盡。
我認為 DeepMind 一定會乘勝追擊，一是把更大更龐雜的一些結構預測出來，二是把一些復合物的結構預測出來，三是如何根據預測出來的靶點蛋白結構設計藥物分子。
第三個影響可能會超越生命科學的界限。AlphaFold 的預測結構如果廣泛應用在生命學科各分支、創新制藥，可能會給社會和老百姓帶來很大好處，甚至會對人類文明產生一些影響。
問：DeepMind 創始人兼首席執行長德米斯・哈薩比斯（Demis Hassabis）說：「我們使用 AlphaFold 生成了人類蛋白質組最完整、最準確的圖片。我們相信這是迄今為止人工智慧對推進科學知識所做的最重要貢獻，也是人工智慧可以為社會帶來的各種好處的一個很好的例證。」 如何看待這一說法？
施一公：我認同這個說法，我認為這個判斷沒有言過其實，這的確是迄今為止人工智慧對科學界做出的最重要的貢獻。這也是 21 世紀截止目前人類在科學技術領域上的最大突破之一，也應該是人類有史以來在科學和技術領域最重要的突破之一。過去半個多世紀，人類一共解析了五萬多個人源蛋白質的結構，人類蛋白質組裡大約 17% 的氨基酸已有結構資訊；而 AlphaFold 的預測結構將這一數字從 17% 大幅提高到 58%；因為無固定結構的氨基酸比例很大，58% 的結構預測已經接近極限了。這是一個典型的量變引起巨大的質變，而這一量變是在過去短短一年之內發生的，這是不可思議的革命。它帶來的在生命科學各分支領域的革命，將在今後幾年到十幾年中逐漸顯現出來。在我看來，這項突破堪比人類基因組完成測序，甚至更重要！
問：在促進新藥靶點和候選藥物的開發上，AlphaFold 會起到怎樣的作用？
施一公：對於這個問題，我前面已經做了回答。如果生物學家發現了一個未知結構的藥物靶點蛋白， AlphaFold 的結構預測可以幫助生物學家發現該蛋白可能的藥物分子結合位點，也就是說可以看到蛋白裡面哪些部位會成為藥物分子進攻的地方。
問：AlphaFold 希望未來能給所有具有已知序列的蛋白提供預測結構。您認為是否有實現的可能性？以及假如實現了，又會帶來怎樣的效果？
施一公：完全有可能，我認為它在人類蛋白質組已經基本做到了，現在 AlphaFold 已經完成了人類蛋白質組 98.5% 的蛋白質結構預測。而這裡 「給所有具有已知序列的蛋白提供預測結構」，應該指的是其它物種，比如線蟲、果蠅、小鼠、植物等等的蛋白質組提供精準的結構預測，將來一定會實現。這會給方方面面帶來太多的意外驚喜和突破，也會大大促進基礎生命科學研究，促進農業、畜牧業、甚至制造業的發展。
問：冷凍電鏡是很貴的設備，您和團隊在冷凍電鏡方面頗有建樹，現在有了 AlphaFold 的成果，在西湖大學未來研究蛋白質方面，有什麼關於 AlphaFold 的使用計劃嗎？
施一公：AlphaFold 的結構預測幾乎對每一位生物學家或多或少都有幫助，尤其是結構生物學家和生物物理學家。我想，每一位用心的結構生物學家都應該知道怎麼用好 AlphaFold 的結構預測。
問：據了解，AlphaGo 算法至今仍有人在研究和學習。獲悉西湖大學也有工學院和深度學習實驗室，未來計劃讓相幹專家做一些關於 AlphaFold 的算法研究嗎？
施一公：西湖大學的工學院和生命科學院其實已經開始行動，布局 AI 進入生命科學各領域。我們也會研究如何進一步改進算法。
問：西湖大學整個學校、或者西湖大學結構生物學方面的一些新動向？
施一公：西湖大學 31 歲的博士生導師吳建平和團隊成員在兩周前的 Nature 上發表了一篇很重要的論文，解析了精子中最重要的一個離子通道蛋白復合物的結構，發現了幾個新蛋白組分，這一突破是對生殖醫學領域研究的重要貢獻，很可能會被寫進生殖醫學領域的教科書。特別值得一提的是，吳建平在該研究突破中創造性地運用了基因編輯技術。
問：在深度學習結合生物研究方面，Google一直走在世界前列，那麼Google有哪些值得學習的地方？
施一公：應該說，從 AlphaGo 到 AlphaZero 再到 AlphaFold，Google的科學技術突破不僅促進了科學的發展，也推進了人類的進步。這家高科技企業擁有十足的創新動力，擁有一批優秀的科學家在人類知識前沿積極探索，令人感佩。我們中國的高科技企業正在全力追趕，期待在不久的將來也能給世界帶來驚喜！