近日，AI預測蛋白質(zhì)結構又取得新突破,?！吧顚铀季S”公司宣布，該公司開發(fā)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(zhì)的結構,，涵蓋科學界已編錄的幾乎每一種蛋白質(zhì),。

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

近幾年,，AI預測蛋白質(zhì)結構成績亮眼,，各大國內(nèi)外企業(yè)也紛紛入局。在AI激活,、數(shù)據(jù)驅(qū)動下,，AI預測蛋白質(zhì)結構正從幕后走向臺前，其產(chǎn)業(yè)化發(fā)展也正進入一個新的階段,。

AI預測蛋白質(zhì)結構背后的計算生物學

蛋白質(zhì)的三維結構決定了它在細胞中的功能,。明確蛋白質(zhì)的結構信息，在藥物研發(fā)等領域十分重要,。傳統(tǒng)上,，研究人員使用X射線晶體學等手段測定蛋白質(zhì)結構，耗時費力且花銷不菲,，卻常無法獲得所需結果,?！鞍柗ㄕ郫B”通過學習實驗測定出的蛋白質(zhì)結構信息，來預測其他蛋白質(zhì)的三維結構,，其預測準確度相當高,。歐洲生物信息學研究所的數(shù)據(jù)顯示，阿爾法折疊有35%的預測是高度準確的,，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(zhì)結構預測的效率,，這也是AI預測蛋白質(zhì)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(jīng)歷多年發(fā)展。計算生物學是根據(jù)不同類型的生物數(shù)據(jù)構建算法和模型,，從而理解生物系統(tǒng)本身,，并推進相關研究及應用的學科。

隨著人工智能的發(fā)展,，計算生物學正在被激活,。浦發(fā)硅谷銀行《醫(yī)療健康行業(yè)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(fā)工具公司中,，計算生物學公司有129家,，占比為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(yè)也正開展相關布局,。如近日,，由清華大學人工智能產(chǎn)業(yè)研究院孵化的AI制藥企業(yè)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(zhì)結構預測方面開發(fā)出全新技術,。據(jù)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(zhì)3D結構的算法。

加速藥物研發(fā),、為精準醫(yī)療提供助力

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

除此之外，計算生物學也為精準醫(yī)療的實現(xiàn)提供了助力,。

有分析機構認為,，在應用方面,，計算生物學產(chǎn)業(yè)可大致分為三類：一是計算推演生物性質(zhì)及原理,，如蛋白質(zhì)結構預測、致病機理研究,、蛋白質(zhì)相互作用預測,、抗體和抗原的表位預測、基于基因組學尋找疾病成因或?qū)ふ倚滦偷纳飿酥疚锏?。二是搭建預測及判斷模型,，如AI制藥中基于靶點的化合物性質(zhì)預測，疾病診斷,、監(jiān)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(fā)、精準醫(yī)療和生物制造,。其中精準醫(yī)療或?qū)⒊蔀橛嬎闵飳W長期的重點發(fā)力方向,。在這個方向上，國外已出現(xiàn)了基于多組學布局的企業(yè),。

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(chuàng)新實驗室——AION Labs。該實驗室的模式是：在以色列初創(chuàng)生態(tài)系統(tǒng)下,，建立和投資基于AI和計算生物學技術進行藥物發(fā)現(xiàn)和開發(fā)的初創(chuàng)公司,，并為這些公司提供資源、指導,，以及合作開發(fā)新技術,，最后反哺制藥行業(yè),。AION Labs 在一份聲明中指出，其投資的初創(chuàng)公司將利用AI和云計算更快,、更高效地找到新的治療方法,，推進以患者為中心的精準醫(yī)療。

相關鏈接

實現(xiàn)商業(yè)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(xiàn)商業(yè)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,，還有大量關于生物學本身的底層機制有待研究透徹，在進行模型構建,、生物驗證時,，需要引入這些知識來減少不符合領域認知的偏差，保證準確率,。

其次是要有統(tǒng)一的計算和數(shù)據(jù)框架,。計算生物學要最終落地，模型要能夠覆蓋多組學數(shù)據(jù),、多環(huán)節(jié)及功能并行,。同時，還需要保證計算生物學中的多種異構數(shù)據(jù),，例如圖像,、視頻、分子圖譜,、DNA代碼,、基因表達、電信號等,，有明確的標準和通用格式,，以便在不同算法和平臺之間互操作。

此外,，還有消費級數(shù)據(jù)的獲取,、工程落地能力、行業(yè)信任與模型可解釋性問題,，以及數(shù)據(jù)隱私問題等,。

(編輯:月兒)