11月20日上午消息，2021未來科學大獎周-科學峯會期間，芝加哥豐田計算技術研究所教授許錦波發表了《蛋白質結構預測和深度學習》的主題演講，許錦波指出，深度學習技術已顛覆了蛋白質結構預測，90%的蛋白質都可以有正確的形狀預測，而且蛋白以及蛋白之間的相互作用也能夠得到不錯預測。

細胞是構成生命體的基本單位，但在細胞中，蛋白質則又是構成細胞的重要生命物質，是生命活動的體現者和承擔者，其中，蛋白質分子組成及其摺疊結構在很大程度上決定了其所具備並正在發揮的生物學功能。在過去幾十年間，人類對於蛋白質結構的研究及預測便已經正在開展，但是整體而言進展緩慢，同時也並不能完全準確地預測出蛋白質的結構及其功能。

據許錦波介紹，在2016年之前，人們對於超過150個氨基酸序列蛋白質的結構預測都比較困難，並且成功概率極低。在此之前，人們採用了大量的工具及方法對蛋白質分子結構進行預測，但往往收效甚微。

以深度學習爲例，事實上，早在2016年之前，深度學習技術便已經被運用於蛋白質結構預測中，但當時機器學習面對挑戰在於，在蛋白質結構預測過程中，傳統的方法主要是通過局部氨基酸取樣測算，然後再對蛋白質分子間關係及結構進行預測，但這種方式的結果不盡如人意，收效甚微。

在許錦波看來，這種傳統的預測方式事實上並沒有完全利用到整個蛋白質信息庫裏的內容，存在明顯的侷限性。因此，在2015-2016年間，許錦波團隊改變了這一深度學習預測策略，採用全局式的結構預測方式，將圖像處理中的圖像分割技術遷移到蛋白質結構預測領域，採用深度學習卷積網絡對蛋白質結構進行整體測算，並通過矩陣距離重構蛋白質分子間三維結構，進一步輔助開展蛋白質結構預測。

據許錦波介紹，目前該種方法已經能夠完全預測人類80%以上的蛋白質結構，而且精確度仍在不斷地提升。據許錦波介紹，後來他們的該種蛋白質結構預測思想得到了DeepMind團隊的重視，並參與了進來。

據介紹，在今年DeepMind推出的AlphaFold2深度學習算法中，AlphaFold2對於蛋白質結構預測的核心思想中，便具有許錦波團隊此前實現蛋白質結構預測的核心思想。

“深度學習技術被運用於生物蛋白結構預測的可行性已經得到驗證，深度學習已經顛覆了蛋白質結構預測，目前80%的蛋白質都可以有正確的形狀預測，並且實現這些預測的速度已經非常快了，蛋白質之間的相互作用也能夠被很好地驗證到了。”許錦波表示。（文猛）