反抗病毒，AI上场“算”结构 是否“神助攻”仍需实验验证

此次AlphaFold对新冠病毒卵白质结构的预测，是脱离于实验之外的结构重构。预测的准确性，尚需同行评审，以及实际临床治疗的验证。

卵白质是维持生命所必须的结构庞大的生物大分子，人体内险些所有的功效如肌肉收缩、呼吸，或将食物转化为能量等，都与卵白质之间的相互作用密切相关。而获得卵白质三维结构，则有助于科学家相识它在人体内的作用，并设计相应的药物。

克日，人工智能公司DeepMind宣布，其用AlphaFold预测了六种由新冠病毒基因编码的卵白质的三维结构，包罗膜卵白、非结构卵白等，而且已经开放下载。

获悉病毒卵白质结构 有助于研发针对性药物

病毒由核酸和卵白质组成，而卵白质是由病毒基因组编码的。病毒卵白质有两种，一种是结构卵白，它们可以组成一个形态成熟的有熏染性的病毒颗粒，资助病毒侵染细胞，例如壳体卵白、膜糖卵白和存在于病毒颗粒中的酶等；另一种是非结构卵白，则资助病毒在宿主细胞里复制、基因表达，扩大在人体内的“领地”。

早在1月10日，中国宣布新冠病毒全基因组序列。但仅仅知道基因组序列，并不能充实相识卵白质是如何事情的。

“卵白质的身分包罗20种氨基酸，每个卵白质由几十到上千个氨基酸组成。部门氨基酸的线性序列会形成螺旋或者折叠状的二级结构，并进一步有序组合聚集成三维结构，这种三维结构决议了卵白质在人体内如何发挥作用。”中国药科大学药学院教授肖易倍接受科技日报记者采访时，打了个例如，如果说人体的病毒受体是锁，病毒的刺突糖卵白就是钥匙，如果这些钥匙能插进人体病毒受体卵白，就会侵染细胞，科学家要做的，就是弄清楚钥匙内的三维结构是什么、钥匙和锁的关系是什么，进而阻止钥匙去开锁，即阻止病毒侵染细胞。

“知道了卵白质如何发挥功效，就知道如何有针对性地抑制病毒活性，如果发现某个卵白是入侵宿主细胞的关键卵白，就可以针对这个卵白或者卵白的某个区域做药物设计。”南京大学生命科学学院教授、博导董咸池说。

预测效果纵然准确 实验历程仍不行回避

在DeepMind团队看来，可凭据氨基酸序列确定卵白质的三维结构。他们基于深度神经网络，通过预测卵白质中每对氨基酸之间的距离，以及毗连这些氨基酸的化学键之间的角度，使用两种方法，来构建预测模型。

“第一步是在结构生物学常用的技术上，训练神经网络预测卵白质中每对氨基酸之间的距离或角度，然后不停组合这些概率，提高卵白质结构预测的准确度；第二步是通过梯度下降来优化得分。他们预测的是整个卵白质链，而不是卵白质结构组装之前的卵白质‘碎片’，因此一定水平上降低了整个预测历程的庞大性。”湖南大学超算中心副主任、教授彭绍亮告诉科技日报记者，AlphaFold重新开始对卵白质的形态结构举行建模，而没有使用已经剖析的卵白质作为模板，这意味着需要超大的盘算量。

而据清华大学自动化系生物信息学副教授汪小先容，在现在国际的卵白质数据库（PDB）中，有约莫3万种已知的卵白质结构，使用其中与目的序列具有相似性的卵白质序列，可以为卵白质结构预测提供支持。

在人工智能深度学习之外，科学家们想要获取卵白质结构，现在大多从核磁共振、冷冻电镜与X射线衍射技术中寻求谜底。

“三种方法都依赖大型设施、仪器，实验手段获得的卵白质结构，通俗地说就是给卵白质多角度照相片，然后凭据海量二维照片重构三维结构，效果客观准确，可是实验周期比力长，通常需要几个月，实验门槛和实验成本高，实验难度也不小。”彭绍亮说。

此次AlphaFold对新冠病毒卵白质结构的预测，是脱离于实验之外的结构重构。预测的准确性，尚需同行评审，以及实际临床治疗的验证。不外，DeepMind指出，“模型会指出结构的哪些部门更有可能是正确的，虽然这些未被研究的卵白质不是当前治疗的重点，但它们可能会增加研究人员对新冠病毒的明白”。

而对于AlphaFold的预测效果，彭绍亮认为，如果预测效果准确，还要举行分子对接、分子动力学模拟等许多盘算分析历程，以及动物实验、人体临床试验的验证。“盘算可以不停被加速，但实验历程是不行回避的，而最终的一切都是以能做出临床可用的药物和疫苗为目的。”金 凤