栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > 资讯 > 高等教育 > 考研政策

专访许锦波:预测蛋白质结构二十余载,这条路如何从冷清到热闹

专访许锦波:预测蛋白质结构二十余载,这条路如何从冷清到热闹

本报首席记者何丽萍

DNA储存我们的遗传信息,但真正在细胞中执行其功能的是蛋白质。每种蛋白质的氨基酸链都被扭曲、折叠和缠绕成复杂的结构。为了“看清楚”它们的结构,理解其功能是至关重要的。但破解这种结构通常需要很长时间,有些甚至很难完成。

“用机器学习来研究蛋白质结构预测,在这个领域是少数。直到2016年,甚至直到2018年,这个领域的大多数人还在试图用能量优化来研究这个问题,而不是机器学习或深度学习。”芝加哥丰田计算技术研究所教授、北京大学客座教授徐金波在接受澎湃新闻(www.thepaper.cn)专访时这样表示。

徐金波被业界誉为“全球人工智能预测蛋白质结构第一人”。早在2016年,他开发的RaptorX-Contact方法首次证明了深度学习方法预测蛋白质结构的可行性,使得一直处于“门口”的蛋白质结构预测终于迈出实质性一步,从此掀起了AI蛋白质结构预测的热潮。

美国芝加哥丰田计算技术研究所教授、北京大学客座教授徐金波。

48岁的徐金波从小就是一个不折不扣的“学霸”。1990年,16岁的徐金波在全国高中数学联赛中获得江西赛区一等奖,这是江西省临川县第一次获得此类奖项。1991年因数学竞赛成绩优异被临川一中保送至中国科学技术大学计算机系,并于1999年获得中科院计算硕士学位。2003年,徐金波获得加拿大滑铁卢大学博士学位,后在麻省理工学院担任助理研究教授和博士后研究员。

2001年,还在读博的徐金波开始接触计算生物学。当时他的导师提出,“有一个难题,就是研究蛋白质折叠。要不要做?”在接下来的二十年里,徐金波的重要研究课题之一就是开发优化软件,无限缩小蛋白质结构预测结果与真实构型之间的差距。

近日,在由未来论坛主办的2022理解未来科学讲座第01期“AI+蛋白质结构与功能预测”上,徐金波也首次谈到了蛋白质中结构预测的问题已经研究了几十年的事实。过去这个领域比较冷清,尤其是2006-2016这10年。“当时大家都觉得这个问题没有办法解决,所以很多人离开了这个领域去做其他的事情。

这种沉默已经成为过去。近年来,这一领域取得了突破性进展。2020年,人工智能对蛋白质结构的预测也被国际顶级学术期刊《科学》评为十大科学突破之一。“现在,人工智能对预测蛋白质结构的关注远远超过了过去几十年。”徐金波说。

不过,走惯了冷清路的徐金波,对于现在的热闹并没有表现出太多的兴奋。谈及人工智能这两年成立的、应用于生命科学的公司,他坦言,“我对行业不太了解,所以最近几个月接触了一些工业界人士和投资人。”当然,徐金波认为现在确实是“AI For science”产业化的好时机。

不过,徐金波强调,就人工智能预测蛋白质结构而言,明星公司DeepMind的AlphaFold2的重复实现不应该是其他团队的目标。“这种改善只是一种渐进的改善,并不是非常大的突破。这个领域还有一系列问题确实需要我们去解决。”对于人工智能在药物研发等生活领域的应用,他表示,“希望能做出真正有用的东西。”

我猜这是半个世纪前开始的。

蛋白质结构预测,始于科学家的一个假设,不需要实验就能获得蛋白质的三维结构?

在蛋白质结构分析的几十年历史中,结构生物学家利用X射线晶体学、核磁共振波谱(NMR)和低温扫描电镜(Cryo-SEM)技术分析了许多蛋白质的结构,从而更好地促进疾病机制和药物研发。

然而,这些方法被认为是费力和昂贵的。到目前为止,已经用实验方法分析了大约10万种蛋白质结构,但这只是已经测序的数十亿种蛋白质中的一小部分。

作为计算机科学的科学家,徐金波对蛋白质的理解,他已经研究了近20年:蛋白质是由许多氨基酸通过化学键串联而成的。如果把每个氨基酸看成一颗珠子,那么就有20颗不同颜色的珠子。这些珠子串在一起就形成了蛋白质的氨基酸序列,每种不同的颜色用一个字母来表示,所以蛋白质的氨基酸序列可以看成是一串20个字母。每个氨基酸由几十个原子组成,所以整个蛋白质由几千个原子组成,这些原子在细胞内相互作用,最终形成稳定的构型。

“我们可以使用不同的软件来显示这些结构,但在使用这些软件显示蛋白质构型时,我们需要知道这些原子在3D 空中的位置以及它们的3D坐标。我们怎么知道这些3D坐标?”徐金波提到,在过去的许多年里,科学家们发展了三种主要的实验技术来确定这些原子的三维坐标。

除了上面提到的三种实验室技术,科学家们也在研究计算方法的推导是否可行。

徐金波告诉该报,美国生物化学家、1972年诺贝尔化学奖获得者克里斯蒂安·伯默尔·安芬森通过实验提出了自己的猜想。“这个实验者的猜测基本上是对的,他自己也做过一些实验来支持这个理论。”

安芬森的大部分工作集中在蛋白质的结构和功能之间的关系。1961年,他研究到核糖核酸酶变性后可以重新折叠,回到原来的空结构,同时保留酶的活性。因此,安芬森认为,最终构象所需的所有蛋白质信息都编码在其氨基酸序列中,即蛋白质的一级结构决定了三维结构。

以上称为安芬森法则,也是蛋白质结构预测的基石。

克里斯蒂安·安芬森,美国生物化学家,1972年诺贝尔化学奖获得者。

然而,在随后的50年里,科学家们使用了各种方法,却无法准确计算出蛋白质的三维结构。“基于安芬森的假设和理论基础,科学家从能量优化的角度做蛋白质折叠预测。”徐金波解释说,一般认为蛋白质是折叠到最小能量状态的,也就是说理论上,如果这个能量函数能够更好的优化,就可以找到蛋白质的最小能量状态。

但这种想法有天然的缺陷。“首先,蛋白质是一个非常庞大的系统,由成千上万个原子组成,对应着一个非常庞大的搜索空不断变化的构型。”徐金波接着提出了第二个难点。“虽然普遍认为蛋白质折叠到最低能量状态,但能量函数是什么样的?我们自己对能量函数的理解不是特别好。”

徐金波博士阶段初期也是用传统的优化算法来研究这个问题。2001年,他接手了导师抛给他的课题,次年取得了不错的成绩。2002年,在全球蛋白质结构预测大赛CAFASP(用于自动化高通量蛋白质结构预测的评测)中获得冠军。

回忆起当时的成绩,徐金波略微轻描淡写了一下。“虽然排名是最好的,但是意义没有那么大。并没有改变这个问题的现状,只是结果比别人好一点点而已。”一年多后,他意识到传统的优化算法可能不是一条好的路径。

2006年,徐金波开始转向机器学习。当时他已经成立了一个独立的实验室,他认为应该改变策略。“与传统方法相比,我们在机器学习方面做得更好一些。在蛋白质结构预测比赛中,我们也取得了不错的成绩,比其他组好一点,但没有特别的变化。”

这条路一走,又是八年,应该是徐金波科研路上最孤独的八年。很多人相继转行,领域内鲜有关注。

人工智能为什么能成功?

2014年,徐金波开始了第二条转换路线。

“2012年,深度学习开始在图像识别方面取得不错的成绩,所以2014年我们开始尝试用深度学习来研究这个问题。”真正把AI纳入徐金波预测蛋白质结构的工具箱,是从这一年开始的。当时只有少数同领域的人关注这个新工具。

“新方法不是优化能量,而是预测原子之间的相互作用。”

徐金波进一步解释说,假设有一个氨基酸序列,那么找出与这个蛋白质同源(同一个家族)的所有蛋白质,然后比较同一个家族的蛋白质的所有氨基酸序列。“在多序列比对下,我们用矩阵来表示蛋白质中氨基酸之间的相互作用,然后我们就可以根据相互作用矩阵来预测蛋白质原子的坐标,这就是这种新方法的总体思路。”

当然,在整体框架下可以有不同的实现方式。“但新方法的关键点在于,我们能否准确推断蛋白质中原子或氨基酸之间的相互作用。这一步非常关键。”

徐金波说,为了预测原子之间的相互作用,科学家探索的最早的方法是用于共同进化分析的全局统计方法。但这种方法只对极小比例的蛋白质有效,而且往往这些蛋白质家族中的某些蛋白质的三维结构已经被实验技术测得,这也意味着用这种方法预测的意义并不太大。

在他看来,预测大量蛋白质结构作用的转折点是2016年。在转向深度学习两年之际,徐金波开始用深度学习预测蛋白质的三维结构。在前两年,他的团队从一个更简单的问题入手,试图预测蛋白质的二级结构,即肽链中主链原子空之间的位置排列,而不涉及氨基酸残基的侧链。

“对于这么简单的问题都能做好,我们认为对于更难的问题,也就是预测蛋白质的三维结构,应该是有效的。”徐金波提到一个细节。2015年,他组织学生解决了三维结构的问题,但没有实现。“他们不太理解我的想法,因为当时这个领域还没有人用深度卷积网络来解决这个问题。”

2016年,徐金波腾出了一些时间,开始自己写代码实现自己的算法。“那年暑假我取得了非常好的成绩,发现一下子就可以做得比以前的方法好很多。2016年秋天,我把结果写成论文,发布到网上。”发布后的第一个月,就在业内引起了一波关注高潮。

徐金波发布了他开发的第一个人工智能方法RaptorX。该方法的基本原理是利用深度卷积残差网络(ResNet)对蛋白质序列进行卷积,从中提取有效信息。同时,蛋白质残基之间的相互作用是卷积的。蛋白质中氨基酸之间的相互作用可以通过它们之间不同的卷积变换来非常精确地预测。“然后基于这种相互作用,我们可以重建它的三维结构。”

在2016年全球蛋白质结构预测竞赛(CASP12)中,这种不完善的方法出现了。“当时已经做得很好了,比其他传统方法都好。”

2017年1月,徐金波在《PLOS计算生物学》上正式发表了前期成果,题为《超深度学习模型对蛋白质接触图的精确从头预测》。在这篇论文中,研究团队演示了使用深度残差卷积网络可以大大提高蛋白质预测的准确性,并且这种学习方法可以很容易地扩展到不同类型的蛋白质,例如一些膜蛋白和蛋白质复合物的结构。

这还是徐金波最满意的论文。“在我们的论文出来之后,我们实际上已经非常清楚地定义了这个问题。从AI的角度来说,就是告诉大家这个问题的输入输出是什么。你只需要把AI算法做好就行了。至于你用什么AI算法,无非是工程和计算资源的问题。”

他还向该报记者回忆了一个小插曲。事实上,研究小组首先向自然杂志提交了论文,但编辑们不太相信他们的结果。“因为这个问题研究了很多年,一直没有进展,他觉得我们做不到这么好。另一份期刊的评委都不认为我们的结果是可靠的。”

令徐金波高兴的是,论文发表后,无论是学术界还是工业界都对此研究给予了广泛关注。他觉得,总体来说,学计算机的人更容易接受他们的结果,而学生物化学或生物物理的人以前不习惯用类似的方法,所以不容易接受结果。

值得一提的是,在过去的30年中,蛋白质中结构预测的发展大致可以分为三个阶段。第一阶段持续了20多年,在传统方法下,这一领域的进展非常缓慢;第二阶段,通过使用徐金波等人开发的第一个人工智能方法RaptorX,对困难蛋白质结构的预测精度有了很大的提高。第三阶段,是迄今为止世界上性能最好的蛋白质结构预测工具,即DeepMind在2020年推出的AlphaFold2。"通过使用注意机制网络,可以大大提高蛋白质结构预测的准确性."

在徐金波看来,DeepMind其实是在2017年和2018年重新实现他的算法。“当然,他们在工程方面做得比我们好。”至于DeepMind在AlphaFold2中使用的注意机制网络,则是首次应用于自然语言处理。

“计算生物学领域的人知道的不多。脸书是第一个在这个领域真正使用这个网络的人。他们没有用它来预测蛋白质的结构,而是对蛋白质序列进行建模。”徐金波提到,即使后来计算生物学领域的人注意到了基于注意机制的网络,但是,网络需要太多的计算资源。“学术界没人有这么多资源做这个。”

徐金波承认,他的团队已经考虑过如何在2020年简化基于注意力机制的网络,“希望让它在我们的计算资源上运行。我当时就是这么做的,因为我们没有几百个GPU(显卡上的芯片)。”相比之下,背靠Google的DeepMind在这方面没有“资源困境”,可以用很多GPU卡训练他们的模型。

徐金波认为,在思想创新上,AlphaFold2迈出这一步并不奇怪。“真正令人惊讶的是,他们能一下子动员30个人做这件事,而且完成得非常好。我觉得这是他们的强项。”

总的来说,人工智能在蛋白质的结构预测领域发挥了非常重要的作用,但在过去的几年里,为什么只有深度学习才能做到?

徐金波分享了他个人的理解。第一个前提是深度学习是基于现有的理论基础,尤其是进化论。“第一,虽然我们没有它们的构型,但是我们知道同一个家族的蛋白质结构应该非常相似。其次,同样非常重要的是,同一蛋白质空中相邻的氨基酸相互作用,共同进化。”

除了理论基础,徐金波认为,数据对于训练深度学习算法当然是必不可少的。“现在我们有了大量的蛋白质序列数据,根据蛋白质在同一个家族中的进化关系来推断空中原子之间的距离是非常重要的。另一个重要的数据来源是我们也有一些蛋白质结构数据。虽然没有那么多,但现在我们至少有一些,所以我们可以通过指导深度学习模型来学习氨基酸共同进化与原子间中间距离的关系。”

比重复实现AlphaFold2更重要的事情

尤其是AlphaFold2出现后,蛋白质结构的人工智能预测领域在空之前一直被关注,终于“热闹”起来。

徐金波总结说,人工智能确实颠覆了对蛋白质结构的预测,这将带来巨大的变化,尤其是对分子生物学而言。“我认为这个结果现在已经改变了许多分子生物学家的研究范式。以前的分子生物学家基本上是根据蛋白质的氨基酸序列来分析蛋白质的功能。现在很多人开始使用预测的结构来做研究,分析蛋白质的功能,所以这是一个非常大的研究范式的变化。”

但是现在离结束还很远。未来如何继续推动人工智能在结构生物学乃至更广泛生物学领域的应用?

徐金波说,很多团队都致力于反复实现AlphaFold2。“当然,这是必要的方式,但这种改善只是渐进的。即使我们能做得更好一点,这实际上也不是一个非常大的突破。”同时,他提醒说,如果很多团队或创业公司都抢着去做这件事,“我认为这是一种资源浪费。”

在他看来,那些目前解决得不够好的问题,确实需要投入更多的精力。

比如,我们能非常准确地预测一个孤儿的蛋白质吗?不能预测蛋白质的折叠过程,不仅仅是最终构型?你能准确预测蛋白质复合物或多域蛋白质的结构吗?能否预测蛋白质与多肽、DNA或RNA的相互作用?无法预测单点或多点突变对一个蛋白质结构和功能的影响?

他进一步告诉该报记者,我们对蛋白质结构预测的需求取决于我们的目标。如果目标是知道这种蛋白质的最终三维形状,那么对于大多数蛋白质来说已经做到了。“然而,我们现在能做的是非常好地预测单个蛋白质的结构。但是对于蛋白质复合体等更复杂的情况,人工智能的方法确实可以做得比以前好很多,但是还没有达到非常满意的状态。研究这个方向需要更多的时间。”

徐金波还抛出了一个更发人深省的问题,“现在所有成功的方法其实都有点作弊。”这也是原则上存在的问题。

不难理解,之所以会这样,是因为目前的方法需要使用大量的蛋白质同源信息。“找到的同源蛋白质越多,这种预测效果就越好。没有这部分信息,现在所有的方法都没有效果。”徐金波说,在细胞里,也就是自然界的蛋白质折叠的时候,“它不知道同一个家族里有什么蛋白质。它可以自己折叠,也不需要知道有多少个‘兄弟姐妹’。”

值得一提的是,徐金波已经回国,并决定将重心转移到中国。“创新驱动发展战略是我们国家综合国力发展的有力保障,”徐金波告诉该报。“希望做出真正原创、能够落地的东西,促进科研和产业化的融合发展。”

谈及“AI+生命科学”的产业化应用价值,徐金波表示,目前“AI for Science”的产业化环境非常好,尤其是“AI for Biotechnology”。“国家非常重视‘AI for Biotech’领域,投资机构也支持对硬技术的早期和长期投资。”从产业的角度,他认为,既然AI赋能了生物制药领域的各个环节,帮助行业提升效率和精度,那么AI在该领域的产业化也有着良好的前景。

值得关注的是,今年1月,徐金波在北京创办了北京分子心科技有限公司(以下简称“分子心”)。4月,公司宣布完成数千万美元天使轮融资,由红杉中国领投,百度创投、生命公园创投、NeuX Capital新航资本、未来创投跟投。分子心方面表示,此轮融资将用于进一步扩充团队、AI蛋白平台的持续进化、科研成果的产品化转化。

他告诉该报,目前,只有公司的一个小团队在继续研究蛋白质的结构预测。“我们的主要目标是能否对蛋白质进行各种优化和设计。例如,可以对抗体进行优化,使其能够更好地结合抗原;或者我们是否可以设计一种自然界不存在的蛋白质,用它来制造药物或用于其他目的;或者一种酶是否可以更好的优化。这是我们公司现在的重点。”

最后说,多学科的融合比以往任何时候都重要,如何吸引更多的人加入跨学科,同时吸引更多的学生进入该领域仍然面临一些挑战。

徐金波以自己的经历说,“刚进入计算生物学领域的时候,我发现我很难和生物学家交流。只有过了一段时间,谈话和合作才能继续下去,我觉得多交流很重要。”

更关键的是,他认为评价体系应该做出一些改变。“从我的经验来看,蛋白质结构预测或者计算生物学以前并不被重视。之前没有一篇论文发表在影响因子特别高的期刊上,影响因子和这个领域有多少人在做有关。如果用影响因子来评价一份计算生物学的工作,往往这些人会吃亏,反过来打压那些做计算生物学的学生。”

徐金波的观点是,大家要以更加开放的心态去包容不同领域的人的发展。

编辑:李跃群

校对:丁晓

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/news/1644335.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号