特稿｜AI小样本训练，16秒精准预测蛋白质结构：自起炉灶有深意 2016年

2016年， DeepMind人工智能机器人AlphaGo以4:1的总比分取胜围棋世界冠军韩国棋手李世石。这一年，一家刚刚成立的上海AI企业开始参考AlphaGo开发一套AI围棋程序，随后击败世界围棋冠军朴廷桓。2020年， DeepMind人工智能程序AlphaFold2快速精准预测蛋白质结构，准确度媲美冷冻电镜等实验技术。一年后，这家本土AI企业再次推出国产自研蛋白质结构预测平台TRFold 。
近日，上海天壤智能科技有限公司XLab发布蛋白质结构预测平台TRFold ，其最新版本的预测精度接近AlphaFold2 ，并突破AlphaFold2需要超大算力的瓶颈，采取权重共享的方式节约算力，预测大多数蛋白质链所需时间不超过16秒。
在AlphaFold2已开源的情况下为何还要做人工智能蛋白质结构测序？再做一遍的挑战在哪？数据、算力不足情况下如何训练出一个好模型？接下来又会用TRFold做什么？
天壤创始人薛贵荣在接受澎湃新闻（www.thepaper.cn）专访时表示， AlphaFold2为结构生物学研究打开了大门，它就像“莱特兄弟的飞机” ，其中的核心技术一定要自己掌握。如果不参与其中的技术演变，只能停留在最初的“飞机”结构。
研发TRFold也让薛贵荣意识到， AlphaFold2另一个贡献是其训练方法可以回馈AI ，去做更好的AI 。
薛贵荣表示，如果每个模型都需要标注10000个数据才能训练，对AI是一场灾难。实际上，数据是永远不够的，算力也是永远不够的，这种情况下算法的创新就显得更加重要了，比如能否用10张图片跑出一个好模型。他认为，小样本下的机器学习对AI来说是个大挑战，而AI的工业化生产并不需要那么多数据，这才是正道。
未来，团队也将继续深入模拟蛋白质与蛋白质之间的相互作用，基于相互作用可构建大规模相互作用网络图、靶点发现、突变蛋白质结构模拟、抗体模拟等。

文章图片

文章图片

TRFold 基于 CASP14 蛋白质测试集的评估数据。绿色：真实结构，蓝色：预测结构。单张GPU下16秒精准预测
蛋白质是生命的物质基础，其三维结构直接决定了它的功能，一旦三维结构被破坏，蛋白质功能随之丧失或改变，许多疾病就是由体内重要的蛋白质结构异常所致。
每个蛋白质的氨基酸链扭曲、折叠、缠绕成复杂的结构，想要破解这种结构通常需要花很长时间，甚至难以完成。截至目前，约有18万个蛋白质的结构已经用实验方法得到了解析，但这在已经测序的数十亿计的蛋白质中只占了很小一部分。
在蛋白质结构解析的几十年历史中， X射线晶体学、核磁共振波谱学（NMR）、冷冻电镜(Cryo-SEM)技术纷纷发挥了巨大贡献。但这些传统方法往往依赖大量试错和昂贵设备，每种结构的研究都要花数年时间。
直到AI的加入，让单个蛋白质折叠预测问题得到基本解决，加速结构生物学的发展。2020年， DeepMind人工智能程序AlphaFold2在蛋白质结构预测竞赛CASP14中首次利用人工智能技术快速精准预测蛋白质结构，准确度达到原子级别，可与冷冻电镜等实验技术相媲美。
而国内的学术界和产业界也在蛋白质结构预测领域紧追国际步伐。除了中科院的Falcon、腾讯的TFold、深势科技的Uni-Fold ，天壤自研蛋白质结构预测平台TRFold基于CASP14的蛋白质测试集进行企业内测，取得82.7分（TM-Score ，评估蛋白质结构拓扑相似性的指标），超过华盛顿大学生物学家David Baker团队81.3分的成绩，仅次于AlphaFold2的91.1分。