近日，AI預測蛋白質結構又取得新突破。“深層思維”公司宣布，該公司開發的人工智能程序“阿爾法折疊”（AlphaFold）已預測出約100萬個物種的超過2億種蛋白質的結構，涵蓋科學界已編錄的幾乎每一種蛋白質。

據介紹，這些信息將上傳至可公開訪問的“阿爾法折疊蛋白質結構數據庫”。該數據庫由“深層思維”公司和歐洲生物信息學研究所合作開發，去年7月上線時已包含98.5%的人類蛋白質結構。

近幾年，AI預測蛋白質結構成績亮眼，各大國內外企業也紛紛入局。在AI激活、數據驅動下，AI預測蛋白質結構正從幕后走向台前，其產業化發展也正進入一個新的階段。

AI預測蛋白質結構背后的計算生物學

蛋白質的三維結構決定了它在細胞中的功能。明確蛋白質的結構信息，在藥物研發等領域十分重要。傳統上，研究人員使用X射線晶體學等手段測定蛋白質結構，耗時費力且花銷不菲，卻常無法獲得所需結果。“阿爾法折疊”通過學習實驗測定出的蛋白質結構信息，來預測其他蛋白質的三維結構，其預測准確度相當高。歐洲生物信息學研究所的數據顯示，阿爾法折疊有35%的預測是高度准確的，可媲美實驗測定結果﹔另有45%的預測足以在很多場景使用。

人工智能極大提升了蛋白質結構預測的效率，這也是AI預測蛋白質結構近幾年被人熟知的原因，但其背后的計算生物學卻已經歷多年發展。計算生物學是根據不同類型的生物數據構建算法和模型，從而理解生物系統本身，並推進相關研究及應用的學科。

隨著人工智能的發展，計算生物學正在被激活。浦發硅谷銀行《醫療健康行業投資與退出趨勢》報告顯示，2021年美國市場投向計算生物學公司的金額達到59億美元，一年增長高達3倍，超過非計算生物學公司投資的兩倍。在2019年以來首次完成種子輪/A輪融資的707家生物制藥和研發工具公司中，計算生物學公司有129家，佔比為18%。2021年對計算生物學公司的投資額激增，幾乎是2019年和2020年募集資金總和的兩倍。

在我國，各研究機構和企業也正開展相關布局。如近日，由清華大學人工智能產業研究院孵化的AI制藥企業華深智藥對外宣布，其在AI和生命科學結合領域取得突破：研究人員在蛋白質結構預測方面開發出全新技術。據華深智藥官方介紹，該技術僅從單條蛋白序列就能預測出蛋白質3D結構的算法。

加速藥物研發、為精准醫療提供助力

計算生物學正在改善傳統制藥行業高投入、高技術、高風險、長周期的特性，加速藥物研發過程。有分析機構認為，目前我國計算生物學發展的主要方向仍是AI制藥，相關創業公司在2017—2021年呈現出爆發式增長，且都已獲融資。從商業模式上看，整個行業以面向企業提供服務為主。

除此之外，計算生物學也為精准醫療的實現提供了助力。

有分析機構認為，在應用方面，計算生物學產業可大致分為三類：一是計算推演生物性質及原理，如蛋白質結構預測、致病機理研究、蛋白質相互作用預測、抗體和抗原的表位預測、基於基因組學尋找疾病成因或尋找新型的生物標志物等。二是搭建預測及判斷模型，如AI制藥中基於靶點的化合物性質預測，疾病診斷、監控、治療建模，涵蓋細胞、器官、人體的生物模擬器等。三是對生物體進行控制改造，如新療法、藥物開發、精准醫療和生物制造。其中精准醫療或將成為計算生物學長期的重點發力方向。在這個方向上，國外已出現了基於多組學布局的企業。

如2021年11月，阿斯利康、德國默克、輝瑞和梯瓦等6家大藥廠與亞馬遜、以色列生物科技基金共同推出了創新實驗室——AION Labs。該實驗室的模式是：在以色列初創生態系統下，建立和投資基於AI和計算生物學技術進行藥物發現和開發的初創公司，並為這些公司提供資源、指導，以及合作開發新技術，最后反哺制藥行業。AION Labs 在一份聲明中指出，其投資的初創公司將利用AI和雲計算更快、更高效地找到新的治療方法，推進以患者為中心的精准醫療。

相關鏈接

實現商業化，計算生物學還需邁過這些坎

雖然計算生物學已逐漸走入人們的視野，但它要想實現商業化還面臨著一些關鍵瓶頸問題有待突破。

首先是對生物底層原理的進一步明確。目前，還有大量關於生物學本身的底層機制有待研究透徹，在進行模型構建、生物驗証時，需要引入這些知識來減少不符合領域認知的偏差，保証准確率。

其次是要有統一的計算和數據框架。計算生物學要最終落地，模型要能夠覆蓋多組學數據、多環節及功能並行。同時，還需要保証計算生物學中的多種異構數據，例如圖像、視頻、分子圖譜、DNA代碼、基因表達、電信號等，有明確的標准和通用格式，以便在不同算法和平台之間互操作。

此外，還有消費級數據的獲取、工程落地能力、行業信任與模型可解釋性問題，以及數據隱私問題等。

分享讓更多人看到