科學家開發新的深度學習模型，在10分鐘內就可完成蛋白質結構預測

來自華盛頓大學的研究人員，開發了一個強大的模型，可以使用一般遊戲用電腦，在10分鐘之內，計算出蛋白質結構，而這項研究有望可以加速藥物開發，為治療癌症等疾病提供解決方案。

相關的蛋白質研究一直持續進展中，最近的一項研究，是去年11月Alphabet旗下的DeepMind研究人員，使用人工智慧從蛋白質的氨基酸序列，預測了蛋白質的結構，解決了科學界數十年來的問題，而現在相關研究再次推進。

蛋白質存在於身體每個細胞中，在血液凝固、激素調節、免疫系統和組織修復等過程發揮作用，蛋白質由長鏈氨基酸組成，並且根據作用力折疊成為3D形狀，蛋白質的形狀不同則功能不同。

華盛頓大學研究人員建立出RoseTTAFold模型，該模型為一個三軌神經網路，可以同時考慮蛋白質序列模式、氨基酸相互作用和可能的3D結構。研究團隊使用不連續的蛋白質片段來訓練模型，這些片段具有260個獨特的氨基酸元素，藉由利用PyTorch深度學習框架，來推斷蛋白質的化學組成以及摺疊結構。

論文提到，當初DeepMind使用了數個GPU運算數天，才得以做出單次預測。而這個新研究，RoseTTAFold端到端版本在RTX 2080 GPU上，則只需要大約10分鐘就能替少於400個殘基蛋白質生成骨架座標。這項工具不只可以加速預測蛋白質，也能夠使用有限的輸入進行預測，或是預測由數種蛋白質組成的複雜物質。

研究成果已在網路上開放，研究人提供了公開伺服器，供任何人提交蛋白質序列，目前已經收到外界上傳的4,500種蛋白質。另外，原始碼也已經在GitHub釋出，供其他研究人員取用。