[[414398]]

前段時(shí)間，《自然》雜志刊登了 DeepMind 的兩篇論文，介紹了該公司在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方向的最新進(jìn)展。研究表明，DeepMind 的 AlphaFold 所預(yù)測(cè)的蛋白質(zhì)結(jié)構(gòu)已經(jīng)能達(dá)到原子水平的準(zhǔn)確率。與此同時(shí)，他們還在 GitHub 上公開了 AlphaFold 的源代碼。

開源鏈接：https://github.com/deepmind/alphafold

然而，有些研究者抱怨說數(shù)據(jù)文件太大了（2.2TB）。于是，在幾個(gè)小時(shí)之內(nèi)，一些敬業(yè)的研究者就創(chuàng)造出了一個(gè) Google Colab notebook。借助這一工具，任何一個(gè)擁有免費(fèi)谷歌賬號(hào)的人都可以在自己感興趣的蛋白質(zhì)上運(yùn)行略微簡(jiǎn)化的 AlphaFold 2，甚至不需要下載數(shù)據(jù)，也不需要任何特殊硬件。所有的計(jì)算都是在云上進(jìn)行的，而且是在一個(gè)免費(fèi)的 colab 空間內(nèi)進(jìn)行的，這讓用戶能夠?qū)\(yùn)行進(jìn)行微調(diào)。這是加速技術(shù)大眾化最好的方法之一。

Colab 地址：https://colab.research.google.com/github/deepmind/alphafold/blob/main/notebooks/AlphaFold.ipynb

開放的 AlphaFold 將分子生物學(xué)研究帶入新時(shí)代

2020 年 12 月，AlphaFold2 在國(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽 CASP14 擊敗一眾選手，實(shí)現(xiàn)了前所未有的結(jié)構(gòu)預(yù)測(cè)精度，這破解了出現(xiàn) 50 年之久的蛋白質(zhì)分子折疊問題，被稱作結(jié)構(gòu)生物學(xué)「革命性」的突破、蛋白質(zhì)研究領(lǐng)域的里程碑。

但成功之后，批評(píng)和質(zhì)疑也隨之而來，這些聲音包括：「學(xué)術(shù)界無法與這樣的巨頭競(jìng)爭(zhēng)」「他們做的很好，但我們不能用」「他們肯定不會(huì)把它開放給別人使用」。

但 DeepMind 最近的舉動(dòng)回應(yīng)了這些擔(dān)憂，他們不僅開源了 AlphaFold 的代碼，還提供了一個(gè) Colab pipeline。有個(gè)這個(gè)東西，你甚至可以通過手機(jī)使用簡(jiǎn)化版 AlphaFold 2。

如下面兩位研究者所說，Colab notebooks 可以完成從加載庫(kù)、輸入蛋白質(zhì)序列到構(gòu)建蛋白質(zhì)序列對(duì)齊等一系列任務(wù)。在結(jié)果展示界面，你可以在瀏覽器中看到 5 個(gè) 3D 模型，以及根據(jù)序列估算的 LDDT 分?jǐn)?shù)。此外，原則上你還可以 fork 這些 notebook 并自行編輯，使其適用于更具體的任務(wù)。

不過，Colab 版本的 AlphaFold 2 經(jīng)過了一些簡(jiǎn)化，沒有模板（同源結(jié)構(gòu)），而且只用了 BFD 序列數(shù)據(jù)庫(kù)的一部分。開發(fā)者表示，他們已經(jīng)在數(shù)千個(gè)最近的 PDB 結(jié)構(gòu)上驗(yàn)證了簡(jiǎn)化版和完整版的差異，雖然在許多目標(biāo)上，Colab 版本的準(zhǔn)確度與完整的 AlphaFold 系統(tǒng)幾乎相同，但由于 MSA（多序列比對(duì)）較小和模板的缺失，一小部分目標(biāo)的準(zhǔn)確度出現(xiàn)了顯著下降。如果你想得到更加可靠的結(jié)果，建議使用完整的開源 AlphaFold 或 AlphaFold 蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)。

數(shù)據(jù)庫(kù)鏈接：https://alphafold.ebi.ac.uk/

在洛桑聯(lián)邦理工學(xué)院研究結(jié)構(gòu)生物學(xué)、分子建模等方向的博士后 Luciano Abriata 表示，他已經(jīng)用這些 notebook 做了一些測(cè)試，而且已經(jīng)得出了一些結(jié)論。最重要的是序列對(duì)齊等功能對(duì)于獲得更好的模型大有幫助。Abriata 還發(fā)現(xiàn)，很多人在使用這個(gè)工具時(shí)都忽略了 LDDT 估計(jì)圖，但其實(shí)這些圖非常關(guān)鍵。

AlphaFold 的開放使用給全世界的研究者都帶來了便利。對(duì)于那些難以用實(shí)驗(yàn)測(cè)定結(jié)構(gòu)的蛋白質(zhì)來說，通過這種方式建立蛋白質(zhì)模型至關(guān)重要。即使你有一些無法適當(dāng)使用的數(shù)據(jù)，擁有一個(gè)優(yōu)秀的蛋白質(zhì)模型也是有幫助的。

隨著 DeepMind 所涉足的生物學(xué)領(lǐng)域愈加廣泛（目前還沒有計(jì)劃公布，但可以猜測(cè)他們可能進(jìn)軍蛋白質(zhì)間的相互作用以及下一步的小分子設(shè)計(jì)），更多的學(xué)者將從 AF2 的應(yīng)用和所有公開的知識(shí)中獲利。

長(zhǎng)期以來，生物學(xué)領(lǐng)域的研究一直依賴計(jì)算機(jī)和傳統(tǒng)軟件。而如今，生物學(xué)已經(jīng)進(jìn)入了 AI 時(shí)代。