研究人員說，一個已有50年曆史的科學問題已經得到解決，可以在對抗疾病的鬥爭中帶來巨大的變化。

多年來，科學家們一直在努力解決“蛋白質摺疊”的問題——將導致癌症和Covid-19等疾病的蛋白質的三維形狀繪製出來。

谷歌的Deepmind聲稱已經創造了一個名為“AlphaFold”的人工智慧程式，能夠在幾天內解決這些問題。

根據專家們的說法，如果它奏效的話，這個解決方案比人們預期的早了“幾十年”，並且可能在治療疾病的方式上產生變革性的效果。

目前已知的蛋白質有2億種，但只有一小部分真正被展開，以充分了解它們的作用和如何工作。即使是那些已經被成功理解的技術，也往往依賴於昂貴且耗時的技術，科學家們花費數年時間來展開每一個結構，並依賴於可能花費數百萬美元的裝置。

DeepMind與第14個社群範圍的蛋白質結構預測技術關鍵評估實驗（CASP14）一起參與了人工智慧專案，這是一組科學家自1994年以來一直在研究這一問題。

目前已知的蛋白質有2億種，但只有一小部分真正被展開，以充分了解它們的作用和如何工作。即使是那些已經被成功理解的技術，也往往依賴於昂貴且耗時的技術，科學家們花費數年時間來展開每一個結構，並依賴於可能花費數百萬美元的裝置。

DeepMind與第14個社群範圍的蛋白質結構預測技術關鍵評估實驗（CASP14）一起參與了人工智慧專案，這是一組科學家自1994年以來一直在研究這一問題。

CASP14的主席約翰·穆爾特博士說：“蛋白質是極其複雜的分子，它們精確的三維結構是它們發揮許多作用的關鍵，例如調節血液中糖分水平的胰島素和幫助我們抵抗感染的抗體。”。

“即使這些重要分子的微小重組也會對我們的健康產生災難性的影響，因此瞭解疾病和找到新治療方法的最有效方法之一就是研究相關的蛋白質。

“人類蛋白質有幾萬種，其他物種有幾十億種，包括細菌和病毒，但要想弄清楚一種蛋白質的形狀需要昂貴的裝置，而且可能需要數年的時間。”

在最新的測試中，DeepMind說AlphaFold測定了大約三分之二蛋白質的形狀，其精確度與實驗室實驗相當。這些測試的結果已在網上公佈，以便外部科學家對其進行審查。

現在該專案的研究人員說，還有更多的工作要做，包括弄清多種蛋白質如何形成複合物以及它們如何與DNA相互作用。

DeepMind正計劃向一家同行評審的期刊提交一份詳細介紹其系統的論文，以供更廣泛的科學界審查。

諾貝爾獎獲得者、英國皇家學會主席文基·拉馬克裡希南教授說：“這項計算工作代表了蛋白質摺疊問題的驚人進展，這是生物學領域50年來的重大挑戰。

“幾十年前，許多業內人士就已經預測到了這一點。

“看到它將從多方面從根本上改變生物學研究，這將是令人興奮的。”

DeepMind指出，除其他外，蛋白質結構的預測可能是應對未來大流行的一個重要組成部分，而且它已經將其機器學習技術用於導致Covid-19的SARS-CoV-2病毒的蛋白質結構。