蛋白质的形状直接关系到它的功能，是药物发现的关键组成部分，可能需要数年的实验才能弄清楚。11月30日星期一，加州大学戴维斯分校的蛋白质结构预测中心宣布，DeepMind人工智能实验室及其AlphaFold程序加快了确定蛋白质形状的时间，比传统方法的完成时间缩短了一小部分。

　　AlphaFold程序使用神经网络进行深度学习，识别全球数据库中发现的蛋白质序列和结构的模式。随着时间的推移，该程序可以在几分钟内识别出蛋白质的结构。传统上，研究人员会使用x射线晶体学或低温电子显微镜等技术来可视化蛋白质。这是一个耗时的过程，可能需要数年时间才能完成，甚至需要一个人的整个职业生涯。

　　总部位于伦敦、隶属于谷歌母公司的DeepMind参加了由蛋白质结构预测中心主办的第14届两年一度的蛋白质结构预测关键评估(CASP)竞赛。研究小组需要几个月的时间才能完成大约100个完整或部分蛋白质的结构，一次只研究几个。

　　据《自然》杂志报道，今年大约有一半的团队使用了深度学习，并从AlphaFold上次的CASP展示中吸取了经验，但DeepMind能够通过改进方法、考虑蛋白质折叠的空间限制、关注蛋白质的整体序列(而不仅仅是单个氨基酸的可能位置)而脱颖而出。

　　为了参加比赛，实验室竞相计算出蛋白质的三维结构，组织者已经通过实验验证了这些结构，但还没有发表在参与者能够访问的任何地方。分数是根据准确度给出的，满分为100分。据主办方介绍，90分是达到实验值的门槛。

　　据《科学》杂志报道，在1994年的首届赛事中，平均得分约为20分，到2016年才增长到40分。当DeepMind在2018年首次亮相时，它以60岁的成绩让竞争对手相形见绌。在今年的展示中，它的总得分中位数为92.4分，在最具挑战性的蛋白质上，它的得分为87分，比竞争对手高出整整25分。

　　“大多数原子(来自DeepMind的结果)都在实验结构中一个原子直径的范围内，”马里兰大学教授约翰·莫特(John Moult)告诉《纽约时报》，他是该比赛的联合创始人。“对于那些不是这样的，还有其他可能的解释。”

　　“这将改变医学。它将改变研究。它将改变生物工程。它将改变一切，”德国马克斯普朗克发育生物学研究所的进化生物学家安德烈·卢帕斯(Andrei Lupas)帮助评判了这场比赛，他告诉《自然》杂志，并补充说，AlphaFold只花了30分钟就产生了他的实验室10年来一直试图弄清楚的蛋白质结构。

　　“我一直希望能活着看到这一天，”莫尔特在接受《泰晤士报》采访时谈到了一台得分超过90分的电脑。“但我并不总是很明显能成功。”