AlphaFold的极限:高中生揭示人工智能在生物信息学挑战中的缺陷

人工智能程序AlphaFold (AlphaFold2开源了，不是土豪也不会编程的你怎么蹭一波？)，通过预测蛋白质结构解决了结构生物信息学的核心问题。部分AlphaFold迷们声称“该程序已经掌握了终极蛋白质物理学，其工作能力已超越了最初的设计”。事实真是如此吗？Skoltech Bio的研究团队让 AlphaFold 预测单个突变对蛋白质稳定性的影响，结果与实验结果相矛盾，这表明该人工智能并非结构生物信息学的万能良药。该研究发表在《PLOS One》杂志。

在Skoltech为高中生举办的生物信息学训练营上，人类和人工智能在科学领域中的较量迎来了新篇章。早前AlphaFold解决了结构生物信息学50年来的核心问题而一度被认为是结构生物信息学的万能药，而该程序在解决这个领域研究人员面临的其他问题时表现欠佳。

该项目的海报来自于2021年由Skoltech在线上举办的分子与理论生物学学院中的“Playing With AlphaFold2”课程。图片来源：Dmitry Ivankov/Skoltech。

结构生物信息学是一门研究蛋白质、RNA、DNA及其与其他分子相互作用结构的科学分支。其核心问题是预测蛋白质的结构。也就是说，给定组成蛋白质的任意氨基酸序列，如何可靠地计算该蛋白质将在体内呈现什么样的三维结构，以及如何发挥功能。其研究结果为新药研发和具有新特性的蛋白质（例如在自然界中尚未发现的催化剂）的合成提供了基础。

这个里程碑式的成就引发了人们的猜测，即神经网络必须以某种方式将蛋白质的基本物理原理转变为内在的信息，并且能够实现超出其设计范围的任务。某些人，甚至在结构生物信息学界，预计该人工智能很快就会解决这一学科的剩余问题，并将其归入科学史。

“我们决定解决这个问题，并让AlphaFold处理结构生物信息学的另一个核心任务：预测单个突变对蛋白质稳定性的影响。对某个已知的蛋白质只引入一个突变，想知道所得到的突变体是更稳定还是更不稳定，及其程度如何。根据实验结果，AlphaFold明显无法实现此任务，其预测与已知的实验结果相矛盾。”该研究的主要负责人、Skoltech生物学助理教授Dmitry Ivankov评论道。

然而，在本次挑战中，AlphaFold无法预测单个突变对蛋白稳定性的影响，这意味着人工智能程序并未掌握蛋白质物理学的全部内容，不能成为结构生物信息学的万能药。高中生参与了该项目，他们参与了突变数据处理、编写处理预测结果的脚本、可视化AlphaFold指定的结构等任务。

伊万科夫强调AlphaFold的创建者实际上从未声称该人工智能适用于除了基于氨基酸序列预测蛋白质结构之外的其他任务。“但是一些机器学习爱好者很快预言了结构生物信息学的终点。因此，我们认为测试一下是个好主意，现在我们知道它不能预测单个突变对蛋白质稳定性的影响，”伊万科夫补充道。

在实际应用层面上，预测单个突变如何影响蛋白质稳定性有助于从众多突变中筛选出可能有用的位点。例如，如果想制造一种蛋白质添加剂，使其能够在更高温度下分解油脂、淀粉、纤维或其他蛋白质，那么这非常有用。此外，已知有一些甜味蛋白有望代替糖，但前提是它们能够承受一杯咖啡或茶的高温。

在基础研究层面上，这项研究结果表明，当今的人工智能并非万能药，虽然它可能在解决一个问题方面非常成功，但其他问题仍然存在，包括结构生物信息学面临的主要挑战。其中包括预测由蛋白质和小分子或DNA或RNA组成的复合物的结构，确定突变如何影响蛋白质与其他分子的键能（binding energy），设计具有赋予所需特性的蛋白质，例如能够催化本来不可能的反应，作为一个微小“分子工厂”的元素。

除了提醒人们即使在AlphaFold之后，该领域的科学家仍有一两件事情要做，该研究报告的作者还探讨了AI程序成功的原因是否来自其“学习过的物理学”，而不仅仅是内化了所有已知的蛋白质结构并巧妙地操纵它们。显然并非如此，如果熟悉相关的物理学知识，应该会相对容易地获得两个非常相似但不完全相同的结构在稳定性方面的差异，但这恰恰是AlphaFold没有完成的任务。

这与之前提出的两个关于对AI物理学“知识”保留意见的观点不谋而合。首先，AlphaFold预测了一些侧基团结构，表明锌离子与它们结合。然而，程序的输入仅限于蛋白质的氨基酸序列，因此“看不见的锌”之所以存在，是因为AI是在类似的蛋白质结构与该离子结合的基础上进行训练的。没有锌，预测的侧基团的定位与物理规律相矛盾。其次，AlphaFold可以预测出一种孤立的蛋白质结构，看起来像螺旋，确实准确无误，但前提是该结构与另外两条链相互交织。如果没有这两条链，预测结果就是不合理的。因此，程序不是依赖物理知识，而是简单地复制了从复合结构中分离出的一个形状。

蛋白质序列三维结构的预测，改变了结构生物学领域的现状。该里程碑甚至导致了蛋白质折叠问题已经“解决”的言论。然而，蛋白质折叠问题不仅仅是从序列进行结构预测。目前，尚不清楚AlphaFold引发的革命是否能够帮助解决与蛋白质折叠相关的其他问题。本文中，我们评估了AlphaFold预测单个突变对蛋白稳定性（ΔΔG）和功能影响的能力。为研究这个问题，我们从蛋白质中提取了AlphaFold预测中单个突变前后的pLDDT和指标，并将预测的变化与已知的实验ΔΔG值进行相关性分析。此外，我们使用大规模的GFP单个突变数据集将相同的AlphaFold pLDDT指标与单个突变对结构的影响以及实验测定的荧光强度进行了相关性分析。我们发现AlphaFold输出指标与蛋白稳定性或荧光变化之间存在非常弱或没有相关性。我们的结果表明，AlphaFold可能不适合立即应用于蛋白质折叠的其他问题或应用。

往期精品(点击图片直达文字对应教程)

机器学习

后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集