谷歌AI發布新型機器學習演算法：揭示蛋白質結構中的奧秘！

葯明康德AI/報道

近日，谷歌大腦（Google Brain）和杜克大學（Duke University）的研究人員開展了合作，使用先進的機器學習演算法和計算機視覺技術來發現蛋白質晶體，其準確率達到了94%。這一研究可以讓科學家們更容易繪製蛋白質結構，從而加速藥物發現。

本文來源：葯明康德AI

蛋白質結晶是生物醫學研究的關鍵步驟，尤其是在發現複雜生物分子結構方面。該結構決定了分子的功能，因此它有助於科學家設計專門靶向該分子功能的新葯。然而，與組成鹽和糖等普通晶體的簡單原子和分子不同，每一個龐大的蛋白質分子結構可能包含了數以萬計的原子，因此很難排列成構成晶體基礎的有序結構。

即使經過幾十年的實踐，目前研究人員仍然需要反覆試驗，才能獲得蛋白質晶體。每分離出一種蛋白質後，研究人員會將其與數百種不同類型的溶液混合，並在顯微鏡下用肉眼觀察每種混合溶液的液滴，希望從中發現任何結晶的跡象。然而，由於觀察過程主要依靠肉眼進行，因此容易出現錯誤和遺漏，這有可能會導致錯過一些重要的醫學發現。因此，研究人員開始將目光投向機器學習技術。

▲機器學習演算法識別液滴圖像示意圖。從左到右分別為：蛋白質晶體圖像（左）、非晶體固體圖像（中）、無固體圖像（右）（圖片來源：arXiv.org）

谷歌大腦和杜克大學的研究人員利用一個由50萬張蛋白質結晶試驗圖像構成的資料庫，來進行機器學習演算法的訓練。研究人員使用其中一部分圖像作為數據，來訓練演算法識別圖像中的蛋白質晶體。機器學習演算法可以通過搜索某一點或者某一條邊緣的方式，來識別液滴圖像中存在的晶體，同時它還可以區分非晶體的固體及沒有晶體的圖像。在完成對演算法的訓練後，研究人員使用這個演算法對圖像資料庫進行識別，並與人類科學家的識別結果進行比較。結果顯示，人類科學家發現晶體的正確率為85%，而AI演算法能夠正確識別出94%的晶體。

▲該研究的負責人之一，杜克大學化學系副教授Patrick Charbonneau博士（圖片來源：杜克大學官網）

「大多數AI演算法使用計算機成像技術來識別貓或狗的圖像，而這些圖像並不一定具備與晶體邊緣類似的幾何特徵，所以，計算機成像技術在這項研究中的表現讓我們非常驚訝，」該研究的負責人之一，杜克大學化學系副教授Patrick Charbonneau博士表示：「未來我們將會利用這些數據，來更深入地了解蛋白質自我組裝背後的化學原理。」

我們期待，這項研究的廣泛應用，可以加速藥物發現過程，為我們帶來更多有效的治療方案。

參考資料：

[1] Teaching a Machine to Spot a Crystal

[2] Automating Drug Discoveries Using Computer Vision

[3] Google introduces AI for drug discovery protein recognition

[4] Classification of crystallization outcomes using deep convolutional neural networks

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！