Alphabet的DeepMind表示，它已经解决了关键的“蛋白质折叠问题”，将工作时间从数月缩短至数小时，这可以加快药物研发的速度。
一些科学家毕生致力于查明人体中微小蛋白质的形状。
蛋白质是驱动病毒，细菌，人体和所有生物行为的微观机制。它们从一串化学化合物开始，然后扭曲并折叠成定义它们可以做什么和不能做什么的三维形状。
对于生物学家来说，鉴定蛋白质的精确形状通常需要数月，数年甚至数十年的实验。它需要技巧，智慧和多一点的肘部润滑脂。有时他们永远不会成功。
现在，伦敦的一个人工智能实验室已经建立了一个计算机系统，该系统可以在几小时内甚至几分钟内完成这项工作。
DeepMind是一家与Google隶属同一母公司的实验室，周一表示，其名为AlphaFold的系统已经解决了所谓的“蛋白质折叠问题”。给定组成蛋白质的氨基酸串，该系统可以快速而可靠地预测其三维形状。
这项长期寻求的突破可能会提高人们了解疾病，开发新药和释放人体奥秘的能力。
50多年来，计算机科学家一直在努力构建这样的系统。在过去的25年中，他们通过名为“结构预测的关键评估”（C.A.S.P.到现在为止，还没有一个参赛者能够解决这个问题。
DeepMind使用多种蛋白质解决了该问题，其准确度可与物理实验相媲美。许多科学家以为这一刻还需要数年，甚至数十年。
马里兰大学教授约翰·莫尔特（John Moult）说：“我一直希望我能活着看到这一天。” 1994年，并继续监督两年一次的竞赛。 “但是并非总是很明显我会成功。”
作为今年C.A.S.P.的一部分，DeepMind的技术由Moult博士和其他负责比赛的研究人员进行了审查。
他和其他研究人员说，如果DeepMind的方法可以改进，它们可以加快新药的开发以及将现有药物应用于新病毒和新疾病的努力。
突破来得太迟，无法对冠状病毒产生重大影响。但是研究人员认为，DeepMind的方法可以加快对未来大流行的反应。一些人认为，这还可以帮助科学家更好地了解阿尔茨海默氏症或囊性纤维化的遗传疾病。
专家们仍然警告说，这项技术仅会影响科学家识别新药和分析疾病的漫长过程中的一小部分。还不清楚DeepMind何时或如何与其他研究人员共享其技术。
在过去的十年中，DeepMind是席卷整个学术界，科技行业和医疗界的变革中的关键角色之一。得益于称为神经网络的人工智能技术，机器现在可以学习执行许多以前无法企及的任务，有时甚至超出了人类的能力。
神经网络是在人脑中的神经元网络上松散建模的数学系统。它通过分析大量数据来学习技能。例如，通过精确定位成千上万张猫的照片中的图案，它可以学会识别猫。
这项技术可以识别您发布到Facebook的照片中的面孔，识别您吠叫到智能手机中的命令，并在Skype和其他服务上将一种语言翻译成另一种语言。 DeepMind正在使用这项技术来预测蛋白质的形状。
如果科学家能够预测蛋白质在人体中的形状，那么他们就可以确定其他分子将如何结合或物理结合到蛋白质上。这是药物开发的一种方式：药物与您体内的特定蛋白质结合并改变其行为。
通过分析数千种已知蛋白质及其物理形状，神经网络可以学习预测其他蛋白质的形状。在2018年，DeepMind使用此方法进入了C.A.S.P.竞赛首次出现，其系统的表现优于所有其他竞争对手，这标志着一场重大转变。但是它的由生物学家，物理学家和计算机科学家组成的团队由一个名为约翰·跳线的研究员领导，距离解决最终问题还很遥远。
从那以后的两年中，Jumper博士和他的团队设计了一种全新的神经网络，专门用于蛋白质折叠，这推动了准确性的巨大飞跃。 DeepMind研究科学家Kathryn Tunyasuvunakool说，他们的最新版本为解决蛋白质折叠问题提供了有力的解决方案。
根据C.A.S.P.的结果，该系统可以在三分之二的时间内准确预测蛋白质的形状。比赛。这些蛋白质的错误小于原子的宽度-错误率可与物理实验相媲美。
比赛组织者莫尔特博士说：“大多数原子都在实验结构中的原子直径范围内。” “对于那些没有的，还有其他可能的差异解释。”
与德国AlphaFold合作的人包括德国马克斯·普朗克发展生物学研究所蛋白质进化系主任Andrei Lupas。他是一个团队的成员，该团队花费了十年的时间来确定一种微小细菌样生物（古细菌）中特定蛋白质的物理形状。
这种蛋白质跨越单个细胞的膜-部分在细胞内部，部分在外部-从而使Lupas博士等科学家难以在实验室中确定蛋白质的形状。即使十年后，他也无法确定形状。
他说，如果这些方法继续改善，它们可能是确定是否可以用现有药物混合物治疗新病毒的一种特别有用的方法。
卢帕斯博士说：“我们可以开始筛选所有许可用于人类的化合物。” “我们可能会面临已经拥有的毒品的下一次大流行。”
在当前的大流行期间，在某些情况下，一种更简单的人工智能形式被证明是有帮助的。由伦敦另一家公司BenevolentAI建立的系统可帮助查明现有药物Baricitinib，该药物可用于治疗重症Covid-19患者。研究人员现在已经完成了一项临床试验，尽管结果尚未公布。
随着研究人员不断改进技术，AlphaFold可能会进一步加快这种药物的用途，以及开发全新的疫苗，尤其是当我们遇到一种比Covid-19甚至更不为人所知的病毒时。
华盛顿大学蛋白质设计研究所所长戴维·贝克（David Baker）一直在使用类似的计算机技术来设计抗冠状病毒药物，他说DeepMind的方法可以加快这项工作。
他说：“我们能够在几个月内设计出冠状病毒中和蛋白。” “但是我们的目标是在几周内完成这种事情。”
亚特兰大埃默里大学的研究员Vincent Marconi博士说，开发速度还必须与其他问题相抗衡，例如大规模的临床试验。 “那需要时间，”他说。
但是DeepMind的方法可能是一种确定临床试验是否会由于毒性反应或其他问题而失败的方法，至少在某些情况下会如此。
DeepMind的首席执行官兼联合创始人Demis Hassabis表示，该公司计划发布描述其工作的详细信息，但这要到明年某个时候才能实现。他还说，该公司正在探索与其他科学家共享技术本身的方法。
DeepMind是一个研究实验室。它不会直接将产品销售给其他实验室或企业。但是它可以与其他公司合作，以通过互联网共享对其技术的访问。
实验室过去最大的突破涉及游戏。它构建的系统在古老的战略游戏Go和流行的视频游戏《星际争霸》中都超越了人类的表现，这是一项巨大的技术成就，没有实际应用。现在，DeepMind团队渴望将其人工智能技术推向现实世界。
Jumper博士说：“我们不想成为排行榜公司。” “我们想要真正的生物学意义。”