美國時間10月31日，Facebook、Instagram母公司Meta旗下Meta AI宣布，運用人工智慧(AI)演算法ESMFold預測出高達6億種蛋白質3D結構，遠遠比3個月前Google的姊妹公司DeepMind發布、運用AlphaFold建構出幾乎涵蓋生命體內已知的2.14億種蛋白質結構還多上許多，進一步延伸至隱藏在蛋白質宇宙中的「暗物質」，包含大量前所未見的結構，且預測速度最高可達AlphaFold的60倍。該研究發表於預印本平台《biorxiv》。
 
Meta指出，ESMFold所預測出的蛋白質結構資料庫ESM Metagenomic Atlas，是全球首個最大規模的蛋白質預測資料庫，讓人類對於蛋白質結構的了解進入的全新世代。同時，也公開分享該資料庫以及AI模型。
 
雖然ESMFold和AlphaFold都是預測蛋白質結構的工具，但兩者的策略完全不同，AlphaFold是利用蛋白質原始序列和DNA編碼進行比對，從中預測蛋白質可能形狀及結構，ESMFold則是僅透過胺基酸序列便能進行結構預測。
 
ESMFold特別的地方在於，它是運用大型語言模型(large language model, LLM)進行蛋白質結構預測，該模型可以透過幾個字母、單詞來預測文本，研究團隊認為，蛋白質結構也同樣是由20種胺基酸所構成，這些胺基酸就如同構成文本的字母一樣。
 
而通常語言模型需要大量文本進行訓練，也需要結合上下文語境才能預測適合文字；研究人員為了將該模型運用至蛋白質結構預測上，便輸入已知蛋白質的胺基酸序列，並特意留出一些空白，語言模型就會像處理文本一樣，自動填補空白，得出完整的序列。
 
因此，研究人員就運用蛋白質數據庫中的大量已知結構，來監督、訓練ESMFold預測蛋白質3D結構的能力，甚至過程中也運用了AlphaFold先前的蛋白質結構預測數據庫，來提升ESMFold的預測能力。
 
最終，Meta AI團隊創建出至今為止最大的蛋白質結構預測數據庫，並且達到原子等級的準確度。
 
Meta AI蛋白質團隊的研究負責人Alexander Rives表示，由於ESMFold是直接利用胺基酸序列進行預測，因此流程比AlphaFold更簡單，在預測短序列結構上，速度最高可達到AlphaFold的60倍，可以快速擴展出更大的數據庫。
 
不過，Rives也指出，ESMFold整體的準確度不如AlphaFold。
 
為驗證ESMFold的預測，研究團隊對環境土壤、海水、人的腸道與皮膚以及其他微生物棲息場所採集樣本，進行了總體基因體學(Metagenomics)DNA定序，ESMFold僅用兩週的時間，就預測出超過6.17億個蛋白質結構，其中至少有2.25億個蛋白質結構屬於高準確度預測，不僅整體蛋白質形態正確，甚至有些能精準預測出原子層面的細節。
 
而在這6億多個蛋白質結構預測中，有76.8%與現有的蛋白質結構具有差異，有12.6%與經實驗驗證的蛋白質結構完全不匹配，代表ESMFold可以預測出大量目前未知的蛋白質結構。
 
未參與研究的首爾大學(Seoul National University)計算生物學家(computational biologist) Martin Steinegger評論，AlphaFold數據庫有很大一部分幾乎由相同結構組成，而ESMFold創建的數據庫應該涵蓋了以前未知的蛋白質宇宙，並有望解開更多未知之謎。
 
參考資料：https://www.nature.com/articles/d41586-022-03539-1
doi：https ://doi.org/10.1101/2022.07.20.500902
ESM Metagenomic Atlas蛋白質結構資料庫：https://esmatlas.com/
ESMFold AI模型：https://github.com/facebookresearch/esm
 
(編譯/李林璦)