啃下alphaFold2 | 解决问题及背景
在之前的内容中，曾经讲解过蛋白质的表达法，称之为SMILE。当时是研究做durg-target interaction预测的。现在我们来看alphaFold的算法的思路。alphaFold是一种极为巧妙的应用。在这个药学领域中，AI发挥的作用和意义，非同寻常。
- 1 alphafold解决的问题
- 2 背景
- 2.1 非必要背景
- 2.2 必要背景
1 alphafold解决的问题
alphaFold解决的问题:蛋白质折叠的问题。
给定一个氨基酸序列，如下：
- PIAQIHILEGRSDEQKETLIREVSEAISRSLDAPLTSVRVIITEMAKGHFGIGGELASK
其中每一个字母表示一种氨基酸，目前一共有21种氨基酸。那么这一个由59个氨基酸组成的蛋白质，它在具体空间中的结构是如何呢？
alphafold给出了如下的结构示意图：
image.png
可以看到想要构成这样的空间结构，我们的氨基酸是需要空间中间的位置的。所以需要x、y、z三个坐标，才可以定位出空间位置。
考虑到这个氨基酸序列是一个序列，直接预测点的空间位置难免会弱化这个“序列”的概念，因此我们可以预测下一个氨基酸在上一个氨基酸的什么相对位置，那么就是两个氨基酸分子的距离，以及氨基酸相对于上一个氨基酸的夹角
。因为是空间结构，所以需要两个变量来衡量空间中的角度。
2 背景
2.1 非必要背景
alphafold2是alphafold的一年后的发展，alphafold2是在2021年5月份提交nature，然后再7月份被录用，并且作为nature的封面级别的文章；DeepMind在蛋白质结构领域中的对头是华盛顿大学的Protein Design组，他们在同一时期，提交了science，同样是了封面级别的论文，模型名字为RoseTTAFold，这个模型我在啃完alphafold2之后，在讲。先挖个坑。
AlphaFold是John Jumper（第一作者）的研究。文章正文10页，补充材料50页，讲模型的细节非常清晰。
2.2 必要背景
蛋白质是一串氨基酸序列，氨基酸序列如果是一长条直线的，是不稳定的，他们会卷在一起，卷起来的氨基酸序列就是稳定的。蛋白质的功能和性质，是由氨基酸的结构决定的。
现在如果有一种氨基酸序列，如果它可以卷成不同的结构，也就是说，同一个序列有两种不同的空间结构，那么这往往会带来疾病。
总之，抛开疾病不谈，一种氨基酸序列可以认为是值对应一种空间结构的，那么这种空间结构其实是需要预测的。alphafold解决的任务也可以叫做蛋白质空间结构的预测
【蛋白质空间结构预测的意义】 目前人类已经解析出来10万蛋白质的空间结构，但是我们已知的蛋白质种类有10亿种。99.99%的蛋白质的空间结构还没有被解析出来。听说（我也不太清楚），传统解析蛋白质空间结构的方法是将蛋白质冻起来，然后通过显微镜从不同角度观察其投影，然后还原出来空间结构。可能需要数月的时间。
【alphafold1的问题】 alphafold1的精度误差较大，误差远大于一个原子的尺寸。alphafold的精度则实现了这个精度，并且alphafold参加了CASP14挑战赛。
【CASP】 CASP全称是the Critical Assessment of protein Structure Prediction，蛋白质结构预测的关键评估，被誉为蛋白质结构预测的奥林匹克竞赛。从1994年每两年举办一届。每一届的CASP比才，都会提供大约100条人类未知结构的蛋白质序列，让所有参赛者进行结构预测。比赛结束之后，主办方会通过生化方法测定这些蛋白质的三维结构，然后和参赛者预测的结构进行比较，计算得分。
【A埃】 是一个长度单位，为e-10米，纳米的十分之一。
【CASP14排名】
可以看到，AlphaFold2的误差仅仅只有1A左右，所以说AlphaFold2实现了原子级别的精度。（碳原子大小大约1.5A）
【相关参考】
- https://zhuanlan.zhihu.com/p/393699764
- https://www.youtube.com/watch?v=Oy3OCoGUr-w