鑿構週期律 · AI系列 · 20

AlphaFold 解決了蛋白質折疊嗎

秦漢 · 約 7 分鐘 · 發布

一、給定環境

蛋白質是一條長鏈, 由二十種氨基酸一個接一個連成, 短的幾十個, 長的上千個。許多鍊子會在一定的環境裡折成較穩定的立體形狀, 也有些部分並沒有固定的形狀。哪裡能抓住別的分子, 哪裡能剪開一根鍵, 都和形狀有關。

1972年十二月十一日, 克里斯蒂安·安芬森在斯德哥爾摩做諾貝爾獎演講。他用一種酶做了許多年實驗: 把它的形狀拆散, 再放回合適的溶液裡, 它自己又折回原樣。演講裡他把從中得出的結論叫作熱力學假說, 核心一句是: 「天然構象由全部原子間相互作用所決定, 因而由氨基酸序列所決定, 在一個給定環境中。」這句話前面, 他還在括號裡列了一串條件: 溶劑, 酸鹼度, 離子強度, 金屬離子, 溫度。

後來流傳下來的是: 序列決定結構。在一個給定環境中, 和括號裡那一串, 都沒有跟著傳下來。

二、優雅地折疊

1969年, 美國伊利諾伊大學開了一個講生物系統裡一種光譜學的會。分子生物學家賽勒斯·列文索爾在會上講了一篇三頁的東西, 題目是《怎樣優雅地折疊》。

他算了一筆賬: 一條蛋白質鏈可能擺出的形狀, 多到十的三百次方這個數量級; 要是一個一個去試, 怎麼也試不完。可是天然的蛋白質, 幾秒鐘就折好了。他的解釋是: 「蛋白質折疊由於局部相互作用的迅速形成而被加速和引導, 而這些局部作用隨後決定多肽進一步怎樣折疊。」它不是一個一個去試, 是先在小地方搭上幾處, 後面的就跟著走。

會的最後, 他放了一段短片。一臺由計算機控制的示波器屏幕上, 一條多肽鏈一點一點長出來, 沿著能量最有利的路, 一處一處搭上該搭的地方。

這三頁紙裡, 沒有悖論兩個字。1992年, 三位物理學家發表的一篇論文, 題目就叫《列文索爾悖論》。一個人在會上講怎樣優雅地折疊, 二十三年後, 他的名字後面接上了悖論。

三、七個結構

要知道一個蛋白質的形狀, 得把它做出來, 提純, 讓它長成晶體, 拿射線去照, 從衍射出來的斑點裡一點一點算回去。後來又有了核磁共振和冷凍電鏡。一個結構, 往往要幾個人幹上幾個月, 有時幾年。光是把核磁共振的測量數據人工解成結構, 受過訓練的專家通常就要幾個星期到幾個月。

1971年, 紐約長島冷泉港開了一次會。路易絲·約翰遜三十五年後回憶, 那一回是馬克斯·佩魯茨把手裡已經有蛋白質原子坐標的人召到一起, 她點了幾個名字, 也有她自己。佩魯茨關心的是, 這些坐標別人能不能方便地拿到, 能不能長久地保存下來。那年十月二十日, 《自然》的一份子刊登出一則短公告: 蛋白質數據庫。庫設在布魯克黑文國家實驗室, 一開始收了七個結構。

此後各國的實驗室解出一個, 存進去一個。1989年, 國際晶體學聯合會的一個委員會要求, 發表蛋白質晶體結構的論文要把坐標存進這個庫; 1999年, 美國國立衛生研究院要求它資助的研究, 坐標在論文發表時就公開。到2012年, 庫裡有八萬多個結構; 2014年過了十萬, 2019年過了十五萬。

每一個都是一群人的幾個月, 幾年。

四、玩家

2008年, 華盛頓大學的研究者推出一個電腦遊戲, 叫 Foldit。玩家在屏幕上拖動一條蛋白質鏈, 掰它, 扭它, 讓它的形狀更省能量, 系統給分。

2011年九月, 一篇論文登在《自然》的一份結構生物學子刊上, 題目是《一個單體逆轉錄病毒蛋白酶的晶體結構, 由蛋白質折疊遊戲的玩家解出》。那個蛋白來自一種猴子的病毒, 晶體有了, 衍射數據也有了, 就是算不回結構。研究者把它放進遊戲裡辦了一場三個星期的比賽。玩家交上來的模型裡, 有的夠好, 讓晶體學家拿去和衍射數據一對, 對上了, 再由晶體學家把結構做完, 修細。當時的新聞標題寫: 玩家用十天, 解出了科學家十五年沒解出的結構。

論文的作者欄裡, 排在第三, 第四位的不是人名, 是兩支玩家隊伍的隊名: Foldit Contenders Group, Foldit Void Crushers Group。

五、考卷

1994年, 約翰·莫爾特等四個人辦了第一屆蛋白質結構預測的評測, 叫 CASP, 約三十五個組交了一百三十五份預測。此後兩年一屆。

考法是這樣的。主辦方去找那些快要解出結構, 但還沒有公開的實驗室, 請他們先把答案交過來, 封住。主辦方只把這個蛋白的氨基酸序列發給各個預測組, 限期交回預測的形狀。等實驗室的結構公開了, 再拿去對。出題的是實驗室, 題目是他們幾個月, 幾年的活; 答案在他們手裡, 先不說。

對的辦法後來用得最多的一個, 叫全局距離測試。把預測的形狀和實驗測出來的形狀疊在一起, 看鏈上有多少個位置落在實驗位置的一埃, 二埃, 四埃, 八埃以內, 四個比例取平均, 滿分一百。一埃是一百億分之一米。

六、在某種意義上

2018年十二月, 墨西哥坎昆, 第十三屆 CASP。第十七篇裡那家倫敦公司 DeepMind 第一次來, 帶的程序叫 AlphaFold。在最難的那一類題上, 也就是找不到相近的已知結構可以參照的那一類, 它排第一, 總分六十八點三, 第二名四十八點二。

一個在學校裡做結構預測的研究者, 穆罕默德·阿爾庫雷希, 回去寫了一篇博客, 開頭記下現場有人問他的一句話: 「剛才發生了什麼?」他寫, 這一回的進步, 大約抵得上兩屆。他還寫, 他交談過的學院裡的研究者, 多半有一種存在主義式的焦慮; 學術界做這件事的有幾十個組, 合起來幾百人, DeepMind 來參賽的大約十個人。

2020年, 第十四屆, 因為疫情在網上開。十一月三十日結果公佈: 大約三分之二的題目上, AlphaFold 的分數在九十以上, 這已經到了實驗測量本身的精度一帶。阿爾庫雷希記下的中位數, 從上一屆的六十八點五, 到了九十二點四。這一屆的 AlphaFold, 換了一套新的架構。

同一天, 《科學》雜誌的記者引了 CASP 創辦人莫爾特的話: 「這是件大事。在某種意義上, 這個問題解決了。」CASP 自己的新聞稿寫的是: 對單個蛋白質而言, 這個問題大體上解決了。DeepMind 的博客題目是: AlphaFold, 一個五十年的生物學重大挑戰的解決辦法。

兩天以後, 英國結構生物學家斯蒂芬·柯里寫了一篇博客, 題目是: 沒有, DeepMind 沒有解決蛋白質折疊。他把預測出最後的形狀, 和弄清一條鏈實際上怎樣折過去, 分成兩件事。

七、兩億

2021年七月十五日, 論文登在《自然》上, 題目是《用 AlphaFold 做高度準確的蛋白質結構預測》, 三十四個人署名, 代碼同時公開。同一個月, 華盛頓大學大衛·貝克的實驗室也發表了他們的 RoseTTAFold。

七月二十二日, DeepMind 和歐洲生物信息研究所合辦的預測結構庫上線, 頭一批三十五萬多個, 其中約兩萬個是人的蛋白質。2022年七月, 擴到兩億多個。研究所的公告說, 這幾乎是「科學所知的每一個已編目的蛋白質」。已編目, 說的是序列登記在冊; 庫裡這兩億多個, 是算出來的形狀, 不是測出來的。

庫裡每一個位置都附著一個置信分數。九十以上算很高, 五十以下算很低; 說明裡寫, 很低的地方可能對應本來就沒有固定形狀的一段, 卻不能只憑這個分數定下來。

後來的研究一樣一樣去試它的邊。有的蛋白不止一種形狀, 要在兩三種之間來回變, 它默認只給一種; 有的蛋白要抓著別的小分子才換成另一種樣子, 它不知道那個小分子在不在; 一個位置換掉一個氨基酸, 它給出的形狀變化, 和實驗測到的穩定性變化, 幾乎對不上。

2012年, 肯·迪爾和賈斯廷·麥卡勒姆在《科學》上寫過一篇綜述, 題目是《蛋白質折疊問題, 五十年後》。五十年, 是從1962年佩魯茨他們因為蛋白質結構得諾貝爾獎算起的。他們把這個問題拆成三個: 物理上的折疊密碼, 一條鏈是怎樣一路折過去的, 能不能用計算機從序列預測出結構。文章末尾有一句: 「再把解決蛋白質折疊問題當作一個單一目標來談, 已經沒有用了。」

AlphaFold 那篇論文的題目, 用的是三個裡的最後一個: 結構預測。

八、折疊

2024年十月九日, 諾貝爾化學獎一半給了大衛·貝克, 理由是計算蛋白質設計; 另一半給了 DeepMind 的哈薩比斯和約翰·江珀, 理由是蛋白質結構預測。前一天的物理學獎, 給了霍普菲爾德和第十四篇裡的辛頓。

那年五月, AlphaFold 3 的論文發表, 能算蛋白質和核酸, 小分子, 離子搭在一起的樣子, 代碼沒有一起公開, 只開放了一個網上的服務。一批結構生物學和計算生物學的研究者給《自然》寫了公開信, 說這偏離了這個領域的規矩。十一月, 代碼放了出來, 限非商業使用。

這一路上刪掉的字有好幾個。安芬森的在一個給定環境中; 莫爾特的在某種意義上; CASP 新聞稿裡的單個蛋白質; 研究所公告裡的已編目; 迪爾他們說的, 別再把它當一個單一的目標。刪完以後, 剩下一句: 五十年的蛋白質折疊問題, 被一個程序解決了。

留下來的, 還有一個名字。授獎詞裡寫的是結構預測; 流傳開的, 是折疊。

AlphaFold 學的, 是數據庫裡那些結構。從1971年那七個起, 半個世紀裡, 一個實驗室接一個實驗室, 一群人接一群人, 養晶體, 照射線, 算斑點, 一個一個解出來, 存進去。CASP 的考題, 是實驗室把自己剛解出來, 還沒發表的結構先交出來, 封住, 讓別人去猜。Foldit 那篇論文的作者欄裡, 有兩支玩家隊伍的名字。

安芬森說的那個給定環境, 在序列外面。這些人, 也在程序外面。這個系列管這種算來算去總剩在外面的一份叫餘項。

機器還在造, 而界在哪裡, 每一代人重說一遍。