AlphaFold2 和 RoseTTAFold 等人工智能程序让研究人员能够根据氨基酸序列确定蛋白质的三维结构。
但如今，AlphaFold2 已能够正确预测氨基酸是否会彼此发生反应，尽管它并非为预测此类情况而设计。
这一结果引发了关于深度学习算法还能做什么，以及这些能力飞跃是否值得期待的问题。
人工智能改变了科学研究的方式，使研究人员能够分析现代科学仪器生成的海量数据。它能在百万堆信息中找到一根针，并利用深度学习从数据本身进行学习。人工智能正在加速基因搜寻、医学、药物设计和有机化合物的合成等领域的进展。
深度学习利用算法（通常是经过大量数据训练的神经网络）从新数据中提取信息。它与传统计算方式截然不同，传统计算依靠逐步执行的指令。深度学习则从数据中学习。与传统计算机编程相比，深度学习的透明度低得多，因此留下了重要问题：系统学到了什么？它知道什么？
作为一名化学教授，我喜欢设计一些测试题，其中至少有一道难题能够拓展学生的知识，以此判断他们能否结合不同观点，综合形成新的想法和概念。我们为人工智能拥护者的典范 AlphaFold 设计了这样一道题；它已经解决了蛋白质折叠问题。
蛋白质折叠
蛋白质存在于所有生物体中。它们为细胞提供结构、催化反应、运输小分子、消化食物，还承担许多其他功能。蛋白质由氨基酸长链构成，就像串在线上的珠子。但要在细胞中发挥作用，蛋白质必须扭转、弯曲，形成复杂的三维结构，这一过程称为蛋白质折叠。折叠错误的蛋白质可能导致疾病。
在 1972 年的诺贝尔化学奖获奖演讲中，克里斯蒂安·安芬森提出，应该可以根据蛋白质组成单元的序列计算出其三维结构，这些组成单元就是氨基酸。
正如本文中字母的顺序和间隔赋予文章意义和信息，氨基酸的顺序也决定了蛋白质的身份与形状，进而决定其功能。
由于氨基酸组成单元本身具有柔韧性，典型蛋白质估计可以采取10 的 300 次方种不同形态。这是一个极其庞大的数字，超过了宇宙中的原子数量。然而，在毫秒之内，生物体内的每种蛋白质都会折叠成各自特有的形状，也就是构成蛋白质的所有化学键所形成的最低能量排列。只要改变蛋白质中数百个氨基酸里的一个，它就可能折叠错误而无法正常工作。
AlphaFold
50 年来，计算机科学家一直试图解决蛋白质折叠问题，但收效甚微。后来在 2016 年，DeepMind——谷歌母公司 Alphabet 旗下的人工智能子公司——启动了其AlphaFold项目。该项目使用蛋白质数据库作为训练集，其中包含通过实验确定的 150,000 多种蛋白质结构。
不到五年，AlphaFold 就攻克了蛋白质折叠问题——至少解决了其中最实用的部分，即根据氨基酸序列确定蛋白质结构。AlphaFold 并未解释蛋白质为何能如此快速、准确地折叠。这是人工智能的一项重大胜利，因为它不仅赢得了巨大的科学声誉，也实现了一项可能影响每个人生活的重大科学进展。
如今，得益于AlphaFold2和RoseTTAFold等程序，我这样的研究人员可以根据构成蛋白质的氨基酸序列，在一两个小时内免费确定蛋白质的三维结构。在 AlphaFold2 出现之前，我们必须先让蛋白质结晶，再用X 射线晶体学解析结构；这一过程耗时数月，每个结构的成本高达数万美元。
我们现在还可以使用AlphaFold 蛋白质结构数据库。DeepMind 已将人类、小鼠及 20 多个其他物种几乎所有蛋白质的三维结构存入该数据库。截至目前，它已解析出超过一百万个结构，并计划仅在今年就再增加一亿个结构。人们对蛋白质的认识突飞猛进。到 2022 年底，所有已知蛋白质中有一半的结构很可能都将有记录，其中包括许多与新的有用功能相关的独特结构。
像化学家一样思考
AlphaFold2 并非为预测蛋白质之间如何相互作用而设计，但它已经能够模拟单个蛋白质如何结合，形成由多种蛋白质组成的大型复杂单元。我们向 AlphaFold 提出了一个难题：它的结构训练集是否让它学到了一些化学知识？它能否判断氨基酸是否会彼此发生反应——这种情况虽罕见，却很重要？
我是一名计算化学家，研究荧光蛋白。这类蛋白质存在于数百种海洋生物中，例如水母和珊瑚。它们发出的荧光可以用来照亮并研究疾病。
蛋白质数据库中有 578 种荧光蛋白，其中 10 种“失效”，不会发出荧光。蛋白质很少会攻击自身，这一过程称为自催化翻译后修饰；要预测哪些蛋白质会与自身发生反应、哪些不会，难度极大。
只有对荧光蛋白有相当深入了解的化学家，才能根据氨基酸序列找出那些序列正确、能够发生必要化学转化并产生荧光的蛋白质。当我们向 AlphaFold2 输入 44 种不在蛋白质数据库中的荧光蛋白序列时，它对功能正常的荧光蛋白和失效的荧光蛋白进行了不同的折叠。
这一结果令我们震惊：AlphaFold2 学到了一些化学知识。它找出了荧光蛋白中负责产生荧光的化学反应的氨基酸。我们认为，蛋白质数据库训练集和多序列比对使 AlphaFold2 能够像化学家一样“思考”，寻找那些能够彼此发生反应、使蛋白质产生荧光的氨基酸。
折叠程序从训练集中学到一些化学知识，也有更广泛的意义。提出恰当的问题，还能从其他深度学习算法中发现什么？人脸识别算法能否找出疾病的隐藏标志？旨在预测消费者支出模式的算法，能否也发现轻微盗窃或欺骗行为的倾向？最重要的是，这种能力——以及其他人工智能系统中类似的能力飞跃——是否值得期待？
