AlphaGo Zero之后，AlphaFold也来了。

Google 旗下的 DeepMind是AI领域的明星团队。2016年，由Deep Mind研发的人工智能程序AlphaGo以4:1击败韩国围棋冠军李世石，是第一个战胜围棋世界冠军的人工智能机器人，从此名声大振。2017年10月，Deep Mind推出了AlphaGo的升级版AlphaGoZero，通过自我博弈和深度学习成为超脱于人类的“围棋大师”，棋力碾压人类。

这一次，Deep Mind 团队将目光放到了生物学的蛋白质结构领域，其中的细分领域在于蛋白质折叠，也就是蛋白质的二级结构预测，能够测出蛋白质的3D形状。

根据英国《卫报》的报道，在墨西哥坎昆举办的一场国际会议中，DeepMind 的最新AI—— AlphaFold 成功地根据基因序列预测出蛋白质的 3D 形状。AlphaFold参加了Critical Assessment of Structure Prediction (CASP)，并在98名参赛者中名列榜首。

CSAP每两年举行一次，被称为蛋白质折叠领域的奥运会，吸引世界各国的研究小组参加。在这次比赛上，Deep Mind团队(参赛名为“A7D”)成功在43个参赛蛋白中拿到25个单项 最佳模型，累计总分120.35排名第一。而根据第13届全球蛋白质结构预测竞赛官方披露的成绩，总分第2名的团队是一支名为“Zhang”的团队，总分为107.03。

《卫报》还提到，AlphaFold 关注从零开始建模目标形状，并不使用先前已经解析的蛋白质为模板。

这可以说是AlphaGoZero在围棋上碾压人类之后，Deep Mind团队再次放出的大招。Deep Mind将AlphaFold 称为在展示人工智能研究推动和加速新科学发现方面的“第一个重要里程碑”。

那么AlphaFold专注的蛋白质结构预测究竟是什么?对于科研和人类基因的研究来说，又有哪些作用呢?

在编程的世界里，只有0与1的排列组合;如果用这样的眼光看待生物，那么生命的本质就是4种不同碱基的排列组合。DNA由4种碱基组成，翻译出64种密码子，这些密码子对应着 20多种氨基酸，而氨基酸的排列组合构成了亿万种不同的蛋白质。

蛋白质结构具有一级结构和二级结构的区别。一级结构指的是由氨基酸组成的肽链之间不同的排布序列，二级结构则代表了肽链在空间的形态，由此形成的螺旋、折叠、转角等不同伸展方式，都会影响蛋白质的功能。

研究人员很早就发现，一级结构和二级结构之间具有很强的关联性；根据一级结构满足的不同序列，展示出的二级结构也不同，从而反映蛋白质分子的分子结构，通过揭秘蛋白质分子的功能，能够促进理解生命体内部的运行机制。更重要的是，对蛋白质结构的深入理解，对一些药物设计具有指导作用。

而AlphaFold从事的工作，正是利用深度学习中的某些算法，帮助科学家识别蛋白质序列的特征，从而为指导设计相关药物带来了更多可能性，并进一步理解生命运转。

AlphaFold的问世，表明了深度学习中的技术在围棋博弈与识别图像具有明显优势，还能够推动生命科学研究的发展。

如果把过去的蛋白质二级结构预测的工作比作一张二维的联系图，AlphaFold则是为这个联系图建立了三维的空间。

Deep Mind选择这样一个领域来实现AlphaFold的算法再升级，看中的也许是蛋白质结构领域已积累的海量数据，以及便于验证预测结果的研究特性。然而，在理解蛋白质功能和设计新药的路途中，还有无数个需要克服的关卡。要做到真正理解基因，除了掌握氨基酸序列和蛋白质3D结构之外，氨基酸序列的翻译后修饰、蛋白质相互作用等众多领域的研究也是不可缺少的重要因素。

人们不得不承认，AlphaFold在科学领域的介入，带来了人工智能普遍应用的可能性。对于生命科学领域的发展，人工智能技术已经表现出重要的推动作用。然而，预测蛋白质3D结构还只是理解蛋白质功能的冰山一角，生命科学的复杂性还在等待更多科学家的深入探索。