人工智能会让结构生物学家“失业”？

　　本报记者 俞陶然

　　最近，网上流传着一个关于结构生物学家颜宁回国“真实原因”的说法，称AlphaFold 2(阿尔法折叠2)等人工智能系统的问世，让结构生物学家面临“失业”困境。知乎上有人写道：“颜宁教授看到AlphaFold，就像骁勇善战的部落首领看到了航空母舰。不是颜宁不行，而是英国DeepMind太强大了。”

　　事实是否如此？记者采访了计算生物学家、复旦大学复杂体系多尺度研究院院长马剑鹏教授。他带领团队已开发出功能与AlphaFold 2类似的OPUSFold(作品折叠)系统。他直言：“AI(人工智能)让一流结构生物学家失业，是我听过的最荒唐的说法。”

　　AI助力摘取“皇冠上的明珠”

　　“阿尔法折叠2”是谷歌旗下深度思维(DeepMind)公司的产品，与“阿尔法围棋”相仿，都是采用机器学习技术的人工智能系统。在2020年举行的国际蛋白质结构预测大赛上，“阿尔法折叠2”夺得冠军，它预测的蛋白质三维结构与实验测定的结构只有很小差异，被《科学》杂志评为“2020年十大科学突破”之一。

　　为何要用人工智能系统预测蛋白质三维结构？马剑鹏解释，蛋白质由一系列氨基酸折叠而成。氨基酸线性排列成一条长链，把它放到水里，整条链会在微秒至毫秒内折叠成一个稳定的三维结构。研究氨基酸长链如何自发地折叠成三维结构，简称“蛋白质折叠”问题，因其重要性和复杂性，被视作现代分子生物学“皇冠上的明珠”。在应用领域，小分子药物研发的基础就是蛋白质结构解析，只有探明目标蛋白质的“三维地图”，才能找到药物作用于蛋白质的靶点。

　　对科学家来说，测定氨基酸序列相对容易，但解析蛋白质结构的难度很大，因为蛋白质结构取决于几千个氨基酸各个原子间的相互作用力。根据已知氨基酸序列，用计算机预测蛋白质结构的运算量，连世界上最快的超级计算机也很难承受。

　　随着深度学习、强化学习等人工智能技术的兴起，计算生物学出现了跨越式发展。“阿尔法折叠2”等系统在学习实验测定的大量蛋白质结构后，具备了根据氨基酸序列准确预测结构的能力。今年，深度思维公司发布数据集更新，称“阿尔法折叠2”已预测几乎所有已知的蛋白质。

　　“干湿结合”成为生物学趋势

　　既然人工智能系统可以准确预测蛋白质结构，那么结构生物学家是否会面临“失业”困境？

　　据介绍，结构生物学是一门研究生物大分子的三维空间结构、动态过程和生物学功能的交叉性学科。解析各种蛋白质的三维结构，是结构生物学家的一项主业。作为国际知名的结构生物学家，颜宁曾在清华大学、普林斯顿大学工作，是美国国家科学院外籍院士、美国艺术与科学院院士。

　　对于网传说法，颜宁通过微博回应：在她研究的电压门控钠离子和钙离子通道领域，“阿尔法折叠2”学习了她带领团队解析的多个生物结构后，去年的预测精度达到颜宁团队2017年的水平，今年则没有进步。“AI团队做预测，我们做实验，测试新型小分子与蛋白的相互作用，迄今为止预测无一正确。”

　　马剑鹏表示，“阿尔法折叠2”远没有达到取代结构生物学家的能力。目前，它只能预测单链蛋白质的结构，基本不具备预测多链蛋白质结构的功能。而且在单链蛋白质预测方面，由于人工智能预测基于对已知蛋白质结构的比对学习，它对与其同源的蛋白质结构预测是比较准确的，然而面对拥有“孤儿序列”(氨基酸序列独一无二)的蛋白质时，“阿尔法折叠2”往往就无法准确预测了。

　　另外，在蛋白质侧链预测方面，“阿尔法折叠2”也有较大的提升空间。2021年，复旦大学复杂体系多尺度研究院在英国《生物信息学简报》上发表论文，报告他们开发的“作品折叠”在蛋白质侧链预测精度上，比“阿尔法折叠2”高。据介绍，蛋白质三维结构由主链和侧链搭建而成。药物分子与蛋白质的结合大多通过与氨基酸侧链相互作用来实现，所以人工智能系统对侧链结构的精准预测，对新药研发具有重要价值。

　　由此可见，人工智能并不会让结构生物学家“失业”，两者不是取代关系，而是互补关系。“AlphaFold 2对颜宁这样的一流实验结构生物学家来说，有百利而无一害。”马剑鹏说，实验结构生物学家也是要用计算机建模的，AlphaFold 2、OPUS-Fold这类软件可以加快建模速度，提高蛋白质结构解析的效率。

　　如今，“干湿结合”已成为结构生物学研究的趋势。长期以来，开展计算生物学研究的“干实验室”是生物学的配角。随着人工智能的兴起，这个配角已逐渐成长为主角，与实验生物学家工作的“湿实验室”更紧密地结合在一起，共同探索生命分子结构的奥秘。

　　“真正的研究者都乐于拥抱技术进步，善于用各种技术去探寻、解答自己感兴趣的问题。”颜宁表示，期待AI越来越强大。