●              　●              　●

2017年，谷歌旗下DeepMind公司開(kāi)發(fā)的AlphaGo機(jī)器人戰(zhàn)勝了世界圍棋冠軍柯潔。在一年之后的演講中，柯潔回憶當(dāng)時(shí)的場(chǎng)景說(shuō)，在第三局AlphaGo下出令他絕望的一步棋，內(nèi)心知道獲勝無(wú)望后，他感到渾身寒冷的顫抖。不過(guò)，柯潔最終釋然，這是人類(lèi)新智慧戰(zhàn)勝了古老智慧的標(biāo)志，他希望人類(lèi)實(shí)現(xiàn)更多這樣的自我超越。

在過(guò)去的幾年里，各個(gè)行業(yè)都在拓展人工智能（AI）的能力邊界，圖片視頻的搜索、語(yǔ)音識(shí)別、人臉識(shí)別、自動(dòng)駕駛、醫(yī)療影像，其中也包括了科研領(lǐng)域——天文學(xué)家已經(jīng)用深度學(xué)習(xí)（Deep Learning）對(duì)海量的天體自動(dòng)分類(lèi)、發(fā)現(xiàn)稀有的天體、探測(cè)引力波、發(fā)現(xiàn)系外行星。如今，傳統(tǒng)上被認(rèn)為是實(shí)驗(yàn)科學(xué)的生物學(xué)也因人工智能迎來(lái)了巨變。

這一次，源頭正是DeepMind團(tuán)隊(duì)的人工智能軟件系統(tǒng)AlphaFold。

7月23日，DeepMind團(tuán)隊(duì)和歐洲生物信息研究所（EMBL-EBI）合作，發(fā)布由人工智能系統(tǒng)AlphaFold預(yù)測(cè)的蛋白結(jié)構(gòu)數(shù)據(jù)庫(kù)（AlphaFold Protein Structure Database），供科學(xué)家免費(fèi)使用。如同人類(lèi)基因組圖譜的公布代表著基因組學(xué)革命的起點(diǎn)，這一數(shù)據(jù)庫(kù)的發(fā)布很快被認(rèn)為有望為生命科學(xué)帶來(lái)革命性的變化。

不過(guò)，發(fā)布后初步試用過(guò)這一系統(tǒng)的科學(xué)家，在接受《知識(shí)分子》采訪時(shí)對(duì)其評(píng)價(jià)不一。有科學(xué)家認(rèn)為在其解析蛋白結(jié)構(gòu)預(yù)測(cè)上給了自己更多的靈感，但也有科學(xué)家在對(duì)比AlphaFold預(yù)測(cè)的結(jié)果和自己已經(jīng)解析出結(jié)構(gòu)但未發(fā)表文章的數(shù)據(jù)之后，發(fā)現(xiàn)AlphaFold預(yù)測(cè)的大部分結(jié)果不對(duì)，因此認(rèn)為AlphaFold對(duì)自己的工作（幫助）作用不大。

“革命性的改變”，文章一經(jīng)發(fā)布，在和業(yè)內(nèi)多位結(jié)構(gòu)生物學(xué)家聊過(guò)后，這是《知識(shí)分子》聽(tīng)到的最多的描述。一向桀驁不馴的結(jié)構(gòu)生物學(xué)家，似乎要謙虛接受這一行業(yè)因?yàn)槿斯ぶ悄芏鴺O大加速的事實(shí)。

此次公布的AlphaFold蛋白結(jié)構(gòu)數(shù)據(jù)庫(kù)，覆蓋了人類(lèi)以及20種生物學(xué)研究中常用模式生物（大腸桿菌、果蠅、斑馬魚(yú)、小鼠等）約35萬(wàn)個(gè)蛋白結(jié)構(gòu)，其中包括98.5%的人類(lèi)蛋白結(jié)構(gòu)預(yù)測(cè)結(jié)果。

此前，科學(xué)家們?cè)跀?shù)十年的努力之后，解析的蛋白結(jié)構(gòu)只覆蓋了人類(lèi)蛋白序列中17%的氨基酸。在《自然》雜志發(fā)表的論文中，研究人員指出，AlphaFold能夠?qū)θ祟?lèi)蛋白質(zhì)組中58%的氨基酸的結(jié)構(gòu)位置做出可信預(yù)測(cè)（confident prediction），對(duì)35.7%的氨基酸的結(jié)構(gòu)預(yù)測(cè)達(dá)到很高的置信度（very high confidence）。 

DeepMind和歐洲生物信息研究所還表示，雙方將不斷為這一數(shù)據(jù)庫(kù)添加新的蛋白三維預(yù)測(cè)結(jié)構(gòu)。到今年年底，數(shù)據(jù)庫(kù)可能包含1.3億個(gè)蛋白結(jié)構(gòu)。DeepMind團(tuán)隊(duì)的目標(biāo)是為所有具有已知序列的蛋白提供預(yù)測(cè)結(jié)構(gòu)。

“我覺(jué)得這個(gè)對(duì)結(jié)構(gòu)生物學(xué)而言又是一次革命，將大大提升結(jié)構(gòu)生物學(xué)研究的水平和速度。目前短期來(lái)看實(shí)驗(yàn)手段還是金標(biāo)準(zhǔn)，但是這個(gè)標(biāo)準(zhǔn)是否消失或者被取代還要看今后一段時(shí)間的情況。” 西湖大學(xué)特聘研究員周強(qiáng)告訴《知識(shí)分子》。

生物學(xué)一直以來(lái)是以實(shí)驗(yàn)為基礎(chǔ)的學(xué)科，實(shí)驗(yàn)手段測(cè)定的數(shù)據(jù)因此成為認(rèn)知的金標(biāo)準(zhǔn)（gold standard）。周強(qiáng)認(rèn)為，如果預(yù)測(cè)的結(jié)果屢次被實(shí)驗(yàn)證實(shí)的話，那么預(yù)測(cè)所用的工具或者規(guī)律將上升到定律的高度，從而改變研究者的認(rèn)知和研究的范式。

歷史上，伴隨著解析蛋白結(jié)構(gòu)的工具的日益強(qiáng)大，結(jié)構(gòu)生物學(xué)也獲得了重大發(fā)展。最早是X射線晶體衍射，之后是冷凍電鏡。第三次是結(jié)合了強(qiáng)大計(jì)算力和算法的新一代人工智能技術(shù)，而這一切來(lái)的如此之快。

2020年11月30日，AlphaFold在第14屆國(guó)際蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)競(jìng)賽（CASP）中摘得桂冠，在接受檢驗(yàn)的近100個(gè)蛋白靶點(diǎn)中，AI系統(tǒng)對(duì)三分之二的蛋白靶點(diǎn)給出的預(yù)測(cè)結(jié)構(gòu)與實(shí)驗(yàn)手段獲得的結(jié)構(gòu)相差無(wú)幾。

當(dāng)時(shí)，DeepMind在官網(wǎng)發(fā)布新聞稿，稱(chēng)對(duì)于困擾生物學(xué)界50年的 “蛋白質(zhì)折疊” 難題，AlphaFold系統(tǒng)已成為業(yè)內(nèi)專(zhuān)家認(rèn)可的解決方案；Nature 新聞更是以 “it will change everything”（將改變一切）作為標(biāo)題，指出DeepMind在解決蛋白結(jié)構(gòu)問(wèn)題上 “邁出一大步”。

僅僅過(guò)了半年，2021年7月16日，DeepMind團(tuán)隊(duì)就在《自然》雜志上發(fā)表論文，公開(kāi)了優(yōu)化后的AlphaFold人工智能系統(tǒng)的源代碼，并詳細(xì)描述了其設(shè)計(jì)框架和訓(xùn)練方法。如今，一個(gè)包含了預(yù)測(cè)的約35萬(wàn)個(gè)蛋白結(jié)構(gòu)預(yù)測(cè)信息的數(shù)據(jù)庫(kù)問(wèn)世。

專(zhuān)注于使用深度學(xué)習(xí)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的芝加哥大學(xué)豐田計(jì)算技術(shù)研究所終身教授許錦波認(rèn)為，做分子生物學(xué)的很多人一直都在用人工智能手段預(yù)測(cè)出來(lái)蛋白結(jié)構(gòu)，“現(xiàn)在（AlphaFold）有更準(zhǔn)確的預(yù)測(cè)，對(duì)他們的幫助應(yīng)當(dāng)會(huì)更大”。

專(zhuān)注于使用深度學(xué)習(xí)預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的芝加哥大學(xué)豐田計(jì)算技術(shù)研究所終身教授許錦波認(rèn)為，做分子生物學(xué)的很多人一直都在用人工智能手段預(yù)測(cè)蛋白結(jié)構(gòu)，“現(xiàn)在（AlphaFold）有更準(zhǔn)確的預(yù)測(cè)，對(duì)他們的幫助應(yīng)當(dāng)會(huì)更大”。

許錦波解釋?zhuān)珹lphaFold在預(yù)測(cè)一個(gè)目標(biāo)蛋白質(zhì)的結(jié)構(gòu)的時(shí)候，會(huì)先在已有的蛋白質(zhì)序列和結(jié)構(gòu)數(shù)據(jù)庫(kù)里面尋找這個(gè)目標(biāo)蛋白質(zhì)的同源蛋白。這些同源蛋白跟目標(biāo)蛋白在序列上可能不太一樣，但是結(jié)構(gòu)是相似的。這些同源蛋白構(gòu)成了AlphaFold神經(jīng)網(wǎng)絡(luò)的輸入。

通過(guò)使用基于注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)以及現(xiàn)有實(shí)驗(yàn)結(jié)構(gòu)的訓(xùn)練，AlphaFold可以從同源蛋白中預(yù)測(cè)出目標(biāo)蛋白氨基酸之間的相互作用強(qiáng)度圖。然后AlphaFold利用另外的神經(jīng)網(wǎng)絡(luò)以及蛋白質(zhì)結(jié)構(gòu)固有的物理約束從氨基酸之間的相互作用強(qiáng)度生成目標(biāo)蛋白質(zhì)原子的三維坐標(biāo)。

對(duì)于AlphaFold的預(yù)測(cè)精度，許錦波稱(chēng)，這依賴(lài)于同源蛋白的數(shù)量和相似性，以及同源蛋白是否已經(jīng)有實(shí)驗(yàn)結(jié)構(gòu)。如果同源蛋白數(shù)量很少又沒(méi)有實(shí)驗(yàn)結(jié)構(gòu)，那么AlphaFold一般就很難做出準(zhǔn)確的預(yù)測(cè)（當(dāng)然也有例外）。

“至于是不是本世紀(jì)最重要的科學(xué)突破之一 ，每個(gè)人的看法不一樣，再過(guò)幾年評(píng)價(jià)會(huì)更客觀一些?！?許錦波說(shuō)。他指出，人類(lèi)蛋白質(zhì)結(jié)構(gòu)對(duì)很多問(wèn)題很重要，但并不是說(shuō)有了結(jié)構(gòu)其他問(wèn)題就能很容易解決，比如說(shuō)藥物發(fā)現(xiàn)和設(shè)計(jì)， 蛋白相互作用等等，這些問(wèn)題依然存在。

他評(píng)價(jià)，從基本概念和思想上來(lái)說(shuō)，Alphafold有一些創(chuàng)新，但不是很多，在工程上確實(shí)做得非常 “impressive”（令人印象深刻）。

“這場(chǎng)蛋白結(jié)構(gòu)預(yù)測(cè)的革命其實(shí)是從我2017年1月份發(fā)表的一篇論文開(kāi)始的。DeepMind 把這個(gè)過(guò)程加速了，沒(méi)有他們（DeepMind團(tuán)隊(duì)），學(xué)術(shù)界可能還需要5，6年或更長(zhǎng)時(shí)間?！?許錦波說(shuō)。

2017年1月，許錦波首次提出使用全局性的深度卷積殘差神經(jīng)網(wǎng)絡(luò)（Deep Convolutional Residual Neural Network）的方法去預(yù)測(cè)接觸圖或者距離圖，以預(yù)測(cè)蛋白的三維結(jié)構(gòu)，而這是AlphaFold系統(tǒng)運(yùn)行的重要基礎(chǔ)。不同的是，AlphaFold把卷積換成注意力機(jī)制，也把氨基酸之間的距離圖換成相互作用圖。

“使用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測(cè)蛋白結(jié)構(gòu)，之前已經(jīng)有很多人在做，但是DeepMind把它做到了極致，證明人工智能預(yù)測(cè)蛋白結(jié)構(gòu)可行?！鼻迦A大學(xué)生命科學(xué)學(xué)院教授王宏偉也評(píng)價(jià)稱(chēng)，“（AlphaFold）更多的是一種工程層面的組織”。

王宏偉指出，這種新型的科研范式，與大學(xué)實(shí)驗(yàn)室一兩個(gè)人或者幾個(gè)人去做研究非常不同?！八鋵?shí)是通過(guò)一種公司的組織方式，把相關(guān)的不同多個(gè)領(lǐng)域的專(zhuān)家，包括結(jié)構(gòu)生物學(xué)專(zhuān)家、生物信息學(xué)的專(zhuān)家，結(jié)構(gòu)預(yù)測(cè)的專(zhuān)家，計(jì)算機(jī)的專(zhuān)家，人工智能的專(zhuān)家，把他們組合到一塊，一起通過(guò)這種新的組織方式去做這樣的事情，然后利用公司的非常強(qiáng)大的資源作為支撐去做”。

值得注意的是，DeepMind公布Alpahfold源代碼這天（7月16日），華盛頓大學(xué)David Baker團(tuán)隊(duì)也公布了自己的人工智能預(yù)測(cè)蛋白結(jié)構(gòu)的系統(tǒng)RoseTTAFold源代碼。

不管是否因?qū)W術(shù)界的壓力公布源代碼，王宏偉說(shuō)，DeepMind最終沒(méi)有把Alpahfold作為公司自己的獨(dú)有的技術(shù)封存起來(lái)，這次完全公開(kāi)，“我覺(jué)得對(duì)于整個(gè)人類(lèi)來(lái)講是一個(gè)很重要的貢獻(xiàn)”。

伴隨著AlphaFold強(qiáng)大的預(yù)測(cè)能力，也許，今后解析一個(gè)蛋白結(jié)構(gòu)不再那么難。

“計(jì)算驗(yàn)證生物學(xué)時(shí)代羞羞答答地正式開(kāi)啟?！?清華大學(xué)生命科學(xué)學(xué)院教授楊茂君評(píng)論說(shuō)。

他所說(shuō)的計(jì)算驗(yàn)證生物學(xué)，可以理解為在人工智能完成蛋白結(jié)構(gòu)的預(yù)測(cè)后，科學(xué)家再用實(shí)驗(yàn)的方法進(jìn)行驗(yàn)證。

“以前要想看到結(jié)構(gòu)，再去闡述的話很困難，因?yàn)楂@取結(jié)構(gòu)的過(guò)程比較困難，但如果有這個(gè)軟件，兩三分鐘就可以給出一個(gè)大致的模型，就可以很容易進(jìn)行闡述，然后做幾個(gè)蛋白突變，就可以驗(yàn)證你的想法，所以說(shuō)叫做結(jié)構(gòu)驗(yàn)證學(xué)?！睏蠲f(shuō)。

而僅僅驗(yàn)證的話，工作量就要低很多。可以預(yù)見(jiàn)的是，結(jié)構(gòu)生物學(xué)會(huì)越來(lái)越簡(jiǎn)單了。

“上手做結(jié)構(gòu)的人會(huì)越來(lái)越多，對(duì)其他的學(xué)科的研究肯定會(huì)有很強(qiáng)的促進(jìn)作用，也會(huì)越來(lái)越重視結(jié)構(gòu)生物學(xué)，以前解結(jié)構(gòu)實(shí)在太困難了?！? 楊茂君說(shuō)。

AlphaFold開(kāi)源后，清華大學(xué)醫(yī)學(xué)院教授李海濤很快就嘗試測(cè)試了這一系統(tǒng)。他的判斷是，AlphaFold作為一種蛋白結(jié)構(gòu)預(yù)測(cè)工具，可以更早地啟迪新發(fā)現(xiàn)。

李海濤向《知識(shí)分子》展示了AlphaFold預(yù)測(cè)的一種表觀調(diào)控蛋白的三維結(jié)構(gòu)，這個(gè)蛋白有兩個(gè)間隔甚遠(yuǎn)的結(jié)構(gòu)域，它們各自的結(jié)構(gòu)先前己分別得到解析，但沒(méi)有數(shù)據(jù)表明二者有直接關(guān)聯(lián)，而AlphaFold的預(yù)測(cè)啟示這兩個(gè)結(jié)構(gòu)域可以相互倚靠，形成更高級(jí)的結(jié)構(gòu)，極可能對(duì)應(yīng)著全新的調(diào)控功能。

李海濤說(shuō)，盡管這一點(diǎn)仍待實(shí)驗(yàn)驗(yàn)證，但這已經(jīng)帶給他莫大的驚喜?！霸具@要?dú)v經(jīng)數(shù)年探索加上機(jī)遇才能夠意識(shí)到的發(fā)現(xiàn)，現(xiàn)在有了人工智能結(jié)構(gòu)預(yù)測(cè)，讓我超前意識(shí)到了?！?/span>

接下來(lái)，李海濤團(tuán)隊(duì)要做的，就是對(duì)這一啟示進(jìn)行生化與結(jié)構(gòu)驗(yàn)證，然后設(shè)計(jì)下一步的功能實(shí)驗(yàn)，探究這一發(fā)現(xiàn)的生理和病理意義。

在李海濤看來(lái)，高質(zhì)量的AI預(yù)測(cè)結(jié)構(gòu)，將充分釋放結(jié)構(gòu)生物學(xué)的學(xué)科能量，使其能更高效地服務(wù)于闡明結(jié)構(gòu)如何決定功能這一根本宗旨。與此同時(shí)，這對(duì)單純靠蛋白結(jié)構(gòu)解析發(fā)高影響力論文的研究模式造成了沖擊一一AI預(yù)測(cè)所帶來(lái)的研究范式轉(zhuǎn)變開(kāi)啟了一個(gè)發(fā)現(xiàn)與功能導(dǎo)向的結(jié)構(gòu)生物學(xué)新時(shí)代。

清華大學(xué)生命科學(xué)學(xué)院教授王宏偉也認(rèn)為，人工智能極大地釋放了勞動(dòng)力，使得結(jié)構(gòu)生物學(xué)家未來(lái)可以把更多的精力放在理解更加復(fù)雜的復(fù)合體的結(jié)構(gòu)，分析生物大分子結(jié)構(gòu)的動(dòng)態(tài)，以及分子機(jī)制的研究上，而不是花費(fèi)大量精力和時(shí)間在解結(jié)構(gòu)的過(guò)程中。

李海濤和王宏偉還不約而同地表示，冷凍電鏡將在驗(yàn)證人工智能預(yù)測(cè)發(fā)揮更大的作用，正是因?yàn)轭A(yù)測(cè)蛋白結(jié)構(gòu)的準(zhǔn)確率和速度越來(lái)越快，會(huì)有更多的驗(yàn)證工作要去做。另外，冷凍電鏡最重要的優(yōu)勢(shì)就是在解析復(fù)合體的結(jié)構(gòu)和解決溶液與原位狀態(tài)不同構(gòu)象的分子機(jī)器的結(jié)構(gòu)，而這是人工智能目前無(wú)法做到的。

“毋庸置疑的是，近年來(lái)隨著AI和算力的快速發(fā)展，生命科學(xué)的各個(gè)領(lǐng)域?qū)⒚媾R逐步智能化的升級(jí)。從AI的角度，蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)在一定程度上是生命活動(dòng)中相對(duì)比較容易建模的過(guò)程，較少依賴(lài)大數(shù)據(jù)。隨著AI進(jìn)入生命科學(xué)的深水區(qū)，我預(yù)計(jì)各種生理病理狀態(tài)下的蛋白質(zhì)組大數(shù)據(jù)水平的累積將對(duì)AI廣泛用于生命健康有至關(guān)重要的作用。” 西湖大學(xué)特聘研究員郭天南告訴《知識(shí)分子》。

不過(guò)，AlphaFold預(yù)測(cè)的結(jié)構(gòu)仍然有很多局限。

論文作者指出，很多蛋白通過(guò)與其它蛋白、核苷酸或配體結(jié)合來(lái)行使功能，AlphaFold尚且不能預(yù)測(cè)復(fù)雜復(fù)合體的三維結(jié)構(gòu)。

此外，蛋白構(gòu)象很多情況下是動(dòng)態(tài)過(guò)程，同一個(gè)蛋白可能根據(jù)環(huán)境和其它因素，變換成不同的構(gòu)像并且具有不同的功能，而AlphaFold通常只能預(yù)測(cè)出一個(gè)最優(yōu)構(gòu)象，也不能預(yù)測(cè)蛋白的動(dòng)態(tài)過(guò)程。

“AlphaFold的確是非常強(qiáng)大，可以把幾分鐘就把一個(gè)結(jié)構(gòu)給預(yù)測(cè)出來(lái)，但是蛋白分子的構(gòu)象在體內(nèi)，其實(shí)它是在不停的變化的，是一個(gè)動(dòng)態(tài)過(guò)程。變化才是主題，再?gòu)?qiáng)的算法也很難達(dá)到精準(zhǔn)預(yù)測(cè)。” 楊茂君說(shuō)。

對(duì)于AlphaFold，在經(jīng)歷了短暫的興奮之后，楊茂君發(fā)現(xiàn)，AlphaFold帶給結(jié)構(gòu)生物學(xué)家的沖擊，可能沒(méi)有想象中那么大。

他告訴《知識(shí)分子》，他的實(shí)驗(yàn)室有十多個(gè)已經(jīng)解出來(lái)但未發(fā)表文章的蛋白結(jié)構(gòu)，但與AlphaFold的預(yù)測(cè)對(duì)比之后，“差別太大了，預(yù)測(cè)的結(jié)果沒(méi)什么用。”

楊茂君說(shuō)，AlphaFold對(duì)已經(jīng)有結(jié)構(gòu)的同源蛋白質(zhì)的預(yù)測(cè)相對(duì)來(lái)說(shuō)準(zhǔn)確度會(huì)高一些，但因?yàn)樗麄儗?shí)驗(yàn)室做的蛋白結(jié)構(gòu)，很多都是別人以前沒(méi)解析過(guò)的，“所以說(shuō)它（DeepMind團(tuán)隊(duì)）才預(yù)測(cè)出來(lái)就不準(zhǔn)嘛，這個(gè)也是它的局限性所在?！?/span>

＂人工智能只能預(yù)測(cè)有結(jié)構(gòu)的序列的結(jié)構(gòu)，而對(duì)于沒(méi)結(jié)構(gòu)的氨基酸序列，AlphaFold也無(wú)從做出結(jié)構(gòu)預(yù)測(cè)。＂清華大學(xué)醫(yī)學(xué)院教授李海濤表示，蛋白質(zhì)特定結(jié)構(gòu)的形成有著嚴(yán)謹(jǐn)?shù)纳瓌t約束，這就像特定語(yǔ)法約束著語(yǔ)言形成一樣，并不是任何文字組合都有語(yǔ)義。

而AlphaFold做的，就是把自然界中經(jīng)億萬(wàn)年進(jìn)化而選擇下來(lái)的擁有特定結(jié)構(gòu)的氨基酸序列的結(jié)構(gòu)預(yù)測(cè)出來(lái)。這顯然受惠于測(cè)序大數(shù)據(jù)的建立，它使得我們知道哪些氨基酸的排列組合是自然選擇下來(lái)能形成特定結(jié)構(gòu)、行使特定功能的序列精華。對(duì)于隨機(jī)序列而言，絕大部分情況下，一級(jí)序列并不能決定三維結(jié)構(gòu)，AlphaFold當(dāng)然也就“無(wú)能為力”去預(yù)測(cè)結(jié)構(gòu)了。

＂從某種意義上講，AI結(jié)構(gòu)預(yù)測(cè)突破帶來(lái)的一個(gè)全新挑戰(zhàn)其實(shí)是一一哪段序列有結(jié)構(gòu)？在AI的輔助下，人類(lèi)認(rèn)知有望全面實(shí)現(xiàn)從大自然的序列啟示到人工結(jié)構(gòu)設(shè)計(jì)的升華。＂李海濤說(shuō)。

“這一里程碑式的進(jìn)展，距離人類(lèi)完全解析生命活動(dòng)的奧秘仍有較大的距離。首先，蛋白質(zhì)組具有高度復(fù)雜的結(jié)構(gòu)和動(dòng)態(tài)，復(fù)雜蛋白質(zhì)復(fù)合體的結(jié)構(gòu)解析仍是一個(gè)挑戰(zhàn)；其次，蛋白質(zhì)結(jié)構(gòu)在不同生理病理狀態(tài)下的動(dòng)態(tài)也是尚未解決的難題?！蔽骱髮W(xué)特聘研究員郭天南說(shuō)，“除了結(jié)構(gòu)解析，蛋白質(zhì)組在不同組織細(xì)胞和生理病理狀態(tài)下的表達(dá)和功能活性，則需要更多的技術(shù)手段進(jìn)行研究，比如質(zhì)譜技術(shù)?！?nbsp;

 參考文獻(xiàn)

1. Tunyasuvunakool, K., Adler, J., Wu, Z. et al. Highly accurate protein structure prediction for the human proteome. Nature (2021). https:///10.1038/s41586-021-03828-1

2. Jumper, J., Evans, R., Pritzel, A. et al. Highly accurate protein structure prediction with AlphaFold. Nature (2021). https:///10.1038/s41586-021-03819-2

3. Baek, Minkyung, Frank DiMaio, Ivan Anishchenko, Justas Dauparas, Sergey Ovchinnikov, Gyu Rie Lee, Jue Wang et al. 'Accurate prediction of protein structures and interactions using a three-track neural network.' Science (2021).DOI: 10.1126/science.abj8754