分類
人工智慧

解決了長期困擾生物學界的蛋白質折疊問題及先鋒智能

長期困擾生物學界的蛋白質折疊問題

不過就在最近DeepMind在一篇文章中宣佈該公司的科學家開發了一種名為AlphaFold 2的人工智慧演算法,解決了生物學界所謂的蛋白質折疊問題:大量DNA基因被定序完成後,等於人類取得了生命的分子密碼,如果曉得這些密碼的含義,就能了解其所對應的蛋白質的功能與作用,不過在我們知道 DNA 的三聯碼之後,只能確定氨基酸鏈的排列順序,若要進一步預測蛋白質的結構與功能,卻是相當困難的事情,因為氨基酸鏈可以折疊扭曲成蓆狀、螺旋狀等各種單元,互相再轉折連接起來,多個立體結構還可能進一步結合在一起共同運作,表現出特定的活性與功能,這些就是一直以來困擾著生物學界的蛋白質折疊問題。

AlphaFold 2成功預測蛋白質結構

AlphaFold 2人工智慧演算法的目標是只根據蛋白質的組成狀態就預測出蛋白質的形狀,若可以成功預測出蛋白質結構,將會極大地改善生物醫學技術,並讓醫生更快地找出許多疾病更有效地治療方法。

「蛋白質結構預測的關鍵評估」(CASP)對於科學家們是非常大的挑戰,而AlphaFold 2人工智慧演算法已經解決了這個長久存留在生物學界的問題。根據該團隊的研究發表,在2020年的CASP當中,AlphaFold 2預測蛋白質結構的平均分為92.4分(滿分為100分),雖然這結果還不夠完美,但它已經超越了過去幾十年來該領域各種技術方面的解決方法。

除此之外,研究小組希望AlphaFold 2人工智慧演算法能大大加快醫生分析新疾病和開發潛在治療方法的速度。馬克斯·普朗克發育生物學研究所所長以及CASP評估員安德烈·盧普斯在DeepMind的文章中表示,AlphaFold驚人的技術使我們能夠解決生物學界近十年來的蛋白質結構問題。

先鋒智能 人工智能7秒判讀血癌醫療數據

先鋒智能股份有限公司 (AHEAD Medicine Ltd.) 是由台大醫院內科部血液科、台大醫學院內科、國立清華大學電機工程學系人類行為訊息暨互動計算研究室等多方專業團隊跨領域合作,經科技部價創計畫輔導所誕生的衍生新創公司。

先鋒智能著重於利用人工智慧開發協助惡性血液疾病診斷及預後預測的輔助工具,其首席產品為全自動化的臨床流式細胞儀檢驗分析平台AHEAD-flow platform。今年初獲選全球徵案錄取率僅1%的加州大學柏克萊分校SkyDeck創業加速器,積極推進佈局北美市場。

流式細胞儀檢測細胞蛋白質表現是臨床醫師在血癌診斷與疾病追蹤時需要仰賴的檢驗項目,但因為判讀人力的稀缺以及與日俱增的檢驗量,導致病患等待檢驗報告時間長達14天才能取得報告,延誤了癌症病患的黃金治療時機。目前人工判讀一例需要20-30分鐘,但AHEAD-flow平台平均一例僅需7秒鐘即可判讀是否有異常,並提供與資料庫比對的分析圖表,協助醫師更快速獲得報告並制定相關治療決策,提升診斷以及治療的效率。

除了2018年起與美國匹茲堡大學醫學中心的合作案外,今年先鋒智能更積極與北美多家知名醫學中心如Mayo Clinic 以及檢驗服務公司 LifeLabs 洽談臨床試驗或演算法共同開發合作案,以期更快速建置完成各類惡性血液疾病診斷以及追蹤的分析模組。

先鋒智能剛完成第一個疾病白血病殘餘疾病分析模組FDA pre-submission meeting 的申請,盼於今年底與FDA取得共識,確認正式送件所需的驗證試驗資料及法規路徑。同時先鋒智能正於海內外積極進行臨床驗證試驗所需的種子輪募資計畫。這次透過醫療科技展的展出,也希望能媒合到更多策略合作夥伴 (包含醫學中心、檢驗儀器商、檢驗服務或是臨床試驗服務公司)及投資人。

※本文章屬於TNZE天擇集團所有嚴禁轉載※

 

分類
人工智慧

人工智能破解生物學最大謎團之一:蛋白質

半個世紀以來,預測一種蛋白質如何折疊成其特有的三維形狀一直困惑著科學家,也是生物學的重大挑戰之一。

但專家們宣佈,這個生物界最大謎團之一現在基本上已經被人工智能AI破解。

總部在倫敦的英國人工智能公司DeepMind(深度思考)稱,他們「基本上解開了這一難題」。

更好地理解和預測蛋白質形狀對未來新藥的開發起到關鍵作用。谷歌旗下的DeepMind所取得的科技進步預期有望加速對包括新冠在內等一系列疾病的研究。

一些來自美國的獨立科學家表示,DeepMind系統對蛋白質形狀預測的凖確性可以跟那些昂貴和耗時的實驗室方法相媲美。

加利福尼亞大學戴維斯分校的克雷什塔夫維奇博士(Andriy Kryshtafovych)是科學評審團成員之一,他形容DeepMind取得的這一成就「非常出色」。

克雷什塔夫維奇博士表示,快速和凖確地弄清蛋白質的形狀有著徹底改變生命科學的潛能。

預測競賽

1972年,美國生物學家克里斯蒂安·安芬森(Christian Anfinsen)曾因為對氨基酸序列與生物活性構象之間關聯的研究獲得諾貝爾獎。

安芬森認為,應該有可能根據蛋白質的組成成份氨基酸的序列來確定蛋白質的形狀。

自那以後,每兩年全球20多個國家的幾十個研究團隊都會嘗試讓電腦通過氨基酸序列來預測大約100種蛋白質的形狀。

與此同時,生物學家們在實驗室中則使用諸如X射線晶體學(X-ray crystallography) 和核磁共振光譜法( NMR spectroscopy)這樣的傳統技術確定蛋白質的三維結構,以了解蛋白質分子中每一原子的相對位置。

之後,由科學家組成的專門CASP小組(相當於全球蛋白質結構預測競賽評審團,the Community Wide Experiment on the Critical Assessment of Techniques for Protein Structure Prediction) 對這些團隊用電腦所預測的蛋白質三維結構與使用實驗室方法得出的三維結構結果進行比較。

CASP評審小組使用從0-100的測量方法對各團隊預測結果的凖確性進行對比。 DeepMind的人工智能AlphaFold獲得了90分,與實驗室預測結果相當。

以人類為例,在進行繁殖或細胞分裂時,原本亂成一團的基因會變成雙股螺旋、立體狀的構造,但科學家過去對於相關機制並沒有完全了解。現在透過AI進行預測,便可以更容易了解基因之間的交互作用,參與實驗的加州大學戴維斯分校的教授克里斯塔夫維奇(Andriy Kryshtafovych)表示,這是非常重大的成就。

無論是酵素、抗體或是化學傳訊素費洛蒙,都與蛋白質的作用有關,因此這也對於未來科學家研究病毒、新冠病毒或是癌症細胞表面的受體,都有助加速研究、了解。研究團隊中的馬里蘭大學教授姆特(John Moult)也說,小小的病毒就可以讓人類健康造成災難性影響,因此人類更需要了解這些蛋白質如何運作。

此計畫的相關研究成果與資料都是以公開資料庫進行,目前進行的AI系統Casp-14的準確率很高,有2/3的實驗樣本準確率與實驗室相當,其他雖然也很高但有調整空間,他們雖然還要持續用比較複雜的蛋白質分子進行AI的優化,但對於未來的發展充滿著期待。

※本文章屬於TNZE天擇集團所有嚴禁轉載※