摘要：理论物理学家对谷歌的人工智能AlphaFold进行了测试，发现了复杂的蛋白质结。
加州大学戴维斯分校的研究人员已经能够在鸡蛋中产生针对蛋白质的化学成分，即氨基酸序列，如何决定其三维结构的问题，是半个多世纪以来生物物理学面临的大挑战。这种关于所谓蛋白质“折叠”的知识需求量很大，因为它对理解各种疾病及其治疗等方面有重大贡献。出于这些原因，谷歌的DeepMind研究团队开发了AlphaFold，这是一款可以预测3D结构的人工智能。
一个由美因茨约翰内斯·古登堡大学(JGU)和加州大学洛杉矶分校的研究人员组成的团队现在已经仔细研究了这些结构，并研究了它们与绳结的关系。我们知道绳结主要来自鞋带和电缆，但它们也会在我们细胞的纳米尺度上发生。结结蛋白不仅可以用来评估结构预测的质量，还可以提出关于折叠机制和蛋白质进化的重要问题。
图1 蛋白质Q313J9（甲基转移酶）中六交叉复合结的3D结构（顶部）和简化表示（底部）（来源：Wiley Online Library）
复杂的结作为AlphaFold的测试
美因茨大学(Mainz University)彼得·维尔诺(Peter Virnau)博士团队的博士生Maarten a . Brems说:“我们对AlphaFold的所有新蛋白质结预测进行了数值研究，大约有10万个。”他们的目标是找出含有复杂且未知的蛋白质结的稀有、高质量结构，为AlphaFold的预测提供实验验证的基础。这项研究不仅发现了复杂的结状蛋白质，而且还发现了蛋白质中的第一个复合结。后者可以被认为是同一根弦上的两个不同的结。“这些新发现还为这种罕见蛋白质背后的进化机制提供了深入的见解，”参与该项目的理论物理学家罗伯特·朗克尔(Robert Runkel)补充说。这项研究的结果发表在《蛋白质科学》杂志上。
图2 蛋白质A0A0K0IQS9（左）和C1GYM9（右）的结构和拓扑。上图：AlphaFold预测的3D结构。底部：简化表示，分别显示左侧和右侧结构中的51节和52节（来源：Wiley Online Library）
Peter Virnau博士对结果很满意:“我们已经和来自加州大学洛杉矶分校的同事Todd Yeates建立了合作关系，通过实验来确认这些结构。这一研究方向将塑造生物物理界对人工智能的看法——我们很幸运能有像耶茨博士这样的专家参与其中。”
参考资料：
1. Maarten A. Brems, Robert Runkel, Todd O. Yeates, Peter Virnau. AlphaFold predicts the most complex protein knot and composite protein knots. Protein Science, 2022; 31 (8) DOI: 10.1002/pro.4380
2. John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Olaf Ronneberger, Kathryn Tunyasuvunakool, Russ Bates, Augustin Žídek, Anna Potapenko, Alex Bridgland, Clemens Meyer, Simon A. A. Kohl, Andrew J. Ballard, Andrew Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, Jonas Adler, Trevor Back, Stig Petersen, David Reiman, Ellen Clancy, Michal Zielinski, Martin Steinegger, Michalina Pacholska, Tamas Berghammer, Sebastian Bodenstein, David Silver, Oriol Vinyals, Andrew W. Senior, Koray Kavukcuoglu, Pushmeet Kohli, Demis Hassabis. Highly accurate protein structure prediction with AlphaFold. Nature, 2021; 596 (7873): 583 DOI: 10.1038/s41586-021-03819-2
2. John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Olaf Ronneberger, Kathryn Tunyasuvunakool, Russ Bates, Augustin Žídek, Anna Potapenko, Alex Bridgland, Clemens Meyer, Simon A. A. Kohl, Andrew J. Ballard, Andrew Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, Jonas Adler, Trevor Back, Stig Petersen, David Reiman, Ellen Clancy, Michal Zielinski, Martin Steinegger, Michalina Pacholska, Tamas Berghammer, Sebastian Bodenstein, David Silver, Oriol Vinyals, Andrew W. Senior, Koray Kavukcuoglu, Pushmeet Kohli, Demis Hassabis. Highly accurate protein structure prediction with AlphaFold. Nature, 2021; 596 (7873): 583 DOI: 10.1038/s41586-021-03819-2
摘要：理论物理学家对谷歌的人工智能AlphaFold进行了测试，发现了复杂的蛋白质结。
加州大学戴维斯分校的研究人员已经能够在鸡蛋中产生针对蛋白质的化学成分，即氨基酸序列，如何决定其三维结构的问题，是半个多世纪以来生物物理学面临的大挑战。这种关于所谓蛋白质“折叠”的知识需求量很大，因为它对理解各种疾病及其治疗等方面有重大贡献。出于这些原因，谷歌的DeepMind研究团队开发了AlphaFold，这是一款可以预测3D结构的人工智能。
一个由美因茨约翰内斯·古登堡大学(JGU)和加州大学洛杉矶分校的研究人员组成的团队现在已经仔细研究了这些结构，并研究了它们与绳结的关系。我们知道绳结主要来自鞋带和电缆，但它们也会在我们细胞的纳米尺度上发生。结结蛋白不仅可以用来评估结构预测的质量，还可以提出关于折叠机制和蛋白质进化的重要问题。
图1 蛋白质Q313J9（甲基转移酶）中六交叉复合结的3D结构（顶部）和简化表示（底部）（来源：Wiley Online Library）
复杂的结作为AlphaFold的测试
美因茨大学(Mainz University)彼得·维尔诺(Peter Virnau)博士团队的博士生Maarten a . Brems说:“我们对AlphaFold的所有新蛋白质结预测进行了数值研究，大约有10万个。”他们的目标是找出含有复杂且未知的蛋白质结的稀有、高质量结构，为AlphaFold的预测提供实验验证的基础。这项研究不仅发现了复杂的结状蛋白质，而且还发现了蛋白质中的第一个复合结。后者可以被认为是同一根弦上的两个不同的结。“这些新发现还为这种罕见蛋白质背后的进化机制提供了深入的见解，”参与该项目的理论物理学家罗伯特·朗克尔(Robert Runkel)补充说。这项研究的结果发表在《蛋白质科学》杂志上。
图2 蛋白质A0A0K0IQS9（左）和C1GYM9（右）的结构和拓扑。上图：AlphaFold预测的3D结构。底部：简化表示，分别显示左侧和右侧结构中的51节和52节（来源：Wiley Online Library）
Peter Virnau博士对结果很满意:“我们已经和来自加州大学洛杉矶分校的同事Todd Yeates建立了合作关系，通过实验来确认这些结构。这一研究方向将塑造生物物理界对人工智能的看法——我们很幸运能有像耶茨博士这样的专家参与其中。”
参考资料：
1. Maarten A. Brems, Robert Runkel, Todd O. Yeates, Peter Virnau. AlphaFold predicts the most complex protein knot and composite protein knots. Protein Science, 2022; 31 (8) DOI: 10.1002/pro.4380
2. John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Olaf Ronneberger, Kathryn Tunyasuvunakool, Russ Bates, Augustin Žídek, Anna Potapenko, Alex Bridgland, Clemens Meyer, Simon A. A. Kohl, Andrew J. Ballard, Andrew Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, Jonas Adler, Trevor Back, Stig Petersen, David Reiman, Ellen Clancy, Michal Zielinski, Martin Steinegger, Michalina Pacholska, Tamas Berghammer, Sebastian Bodenstein, David Silver, Oriol Vinyals, Andrew W. Senior, Koray Kavukcuoglu, Pushmeet Kohli, Demis Hassabis. Highly accurate protein structure prediction with AlphaFold. Nature, 2021; 596 (7873): 583 DOI: 10.1038/s41586-021-03819-2
2. John Jumper, Richard Evans, Alexander Pritzel, Tim Green, Michael Figurnov, Olaf Ronneberger, Kathryn Tunyasuvunakool, Russ Bates, Augustin Žídek, Anna Potapenko, Alex Bridgland, Clemens Meyer, Simon A. A. Kohl, Andrew J. Ballard, Andrew Cowie, Bernardino Romera-Paredes, Stanislav Nikolov, Rishub Jain, Jonas Adler, Trevor Back, Stig Petersen, David Reiman, Ellen Clancy, Michal Zielinski, Martin Steinegger, Michalina Pacholska, Tamas Berghammer, Sebastian Bodenstein, David Silver, Oriol Vinyals, Andrew W. Senior, Koray Kavukcuoglu, Pushmeet Kohli, Demis Hassabis. Highly accurate protein structure prediction with AlphaFold. Nature, 2021; 596 (7873): 583 DOI: 10.1038/s41586-021-03819-2
