临川一中校友许锦波：研发人工智能攻克生物难题

图为江西省临川一中91届校友、科学家许锦波博士

中国网4月27日江西电 日前，江西省临川一中91届校友、美国芝加哥大学计算研究所的高级研究员和位于芝加哥大学的丰田计算技术研究所终身副教授许锦波博士及其研究团队在学术期刊《PLOS Computational Biology》上发文，展现了人工智能在预测蛋白结构上的巨大力量。他们将两个神经网络糅合到一块，生成了一个“超级深度神经网络”。研究人员相信，“我们的方法极大超越了现有的方法”，它能预测更复杂的蛋白结构。

许锦波博士，1991年从江西临川一中因江西省数学竞赛第一名被保送中国科学技术大学计算机系，获得学士学位后，又于1999年获得中国科学院计算所硕士学位。2003年获加拿大滑铁卢大学计算机博士学位，之后任该校研究助理教授、美国麻省理工学院数学系和人工智能实验室博士后，加州大学伯克利分校Simons研究所访问教授。现为芝加哥丰田理工学院（Technological Institute at Chicago）助理教授，兼芝加哥大学计算机科学系助理教授。

其主要研究兴趣为机器学习、优化方法和计算生物学（特别是蛋白质生物信息学和生物网络分析）。他研发了许多广受欢迎的生物信息学软件，其中包括久负盛名的蛋白质结构预测软件RaptorX和蛋白质相互作用网络分析软件IsoRank。他曾研发一款蛋白质预测软件——猛龙（Raptor），并一举在2002年全球蛋白质结构预测比赛CAFASP中夺得世界冠军。

许锦波博士是美国斯隆研究奖（Alfred P. Sloan Research Fellowship）和NSF早期职业奖（NSF CAREER award）获得者。据悉，自1955年起，斯隆研究奖由斯隆基金会每年颁发，奖励那些在职业生涯早期的杰出年轻学者，每位获奖者将获得5万美元的奖金。

长期以来，许多生物学家对蛋白质的结构“又爱又恨”。爱它，是因为蛋白质对生物的基本生理功能不可或缺，知道它的结构，就能推进人类对它功能的认识，并寻找潜在的治病良药；恨它，是因为解析蛋白质结构一直是生物学领域的一大难题。它耗时费力。有时想要获得一个蛋白质的结构，需要的不仅是经验与技术，还需要一点点运气。

在几代科学家们的不懈努力下，通过X光晶体学和核磁共振的方法，科学家们至今已经解析出了大约12万种不同蛋白质的结构。这听上去是一个很大的数字，实则不然。这不足目前已知蛋白数量的三分之一。更重要的是，这12万个结构中只有约四分之一来自人类蛋白。

换句话说，药物研发人员在发现一个蛋白靶点，兴冲冲地跑到数据库调出数据时，他很有可能看到的是一个来自细菌的蛋白。而对疾病至关重要的人类蛋白，结构还不明朗。

随着计算机的兴起，许多科学家开始尝试让电脑分析蛋白结构，其中的先驱者莫过于华盛顿大学的David Baker教授了。在过去的20年里，他和他的同事们通过不断改进一个称之为Rosetta的电脑程序，来预测蛋白结构。这个程序的原理很简单，对于一个特定的蛋白质，Rosetta会根据现有的数据库，自动生成许多潜在的结构，并从中找出最稳定的一个。这往往就是这个蛋白最可能的结构。

不过，这个方法的运算量巨大。以一个含有70个氨基酸的蛋白为例，它的尺寸虽然在生物世界中“微不足道”，计算机程序却能产生数万，甚至数十万种不同的潜在结构。要处理一个结构，普通的计算机就需要花上10分钟。想要穷尽这些结构，需要花上2年的时间。

这还只是一个小蛋白。

Baker教授天才般地想到了“时间众筹”的方法。他开发了一款能安装在千家万户个人电脑中的软件。当你开着电脑，但出去吃饭、洗澡、收快递时，这款软件就会见缝插针，用CPU的闲暇时间解析蛋白结构。这极大提高了效率。2015年，Baker教授的研究团队预测了58个蛋白家族的结构，其中有6个蛋白得到了实验验证。毫无疑问，这是一个巨大的进步。但考虑到目前已知蛋白家族的数量超过了16000，这个速度太慢了……

来自美国密苏里大学的程建林教授团队提出了一个新想法。他认为过去方法的瓶颈在于需要将未知蛋白和已知蛋白进行单个氨基酸的比对，而目前发达的人工智能程序已经能做到识别倾向于一起出现的3个、4个甚至更多的氨基酸。这无疑会大大提高效率。

于是，劳动密集型变成了智力密集型。

美国芝加哥大学丰田计算技术研究所的许锦波教授则将这个思路往前推进了一步。2017年1月，许教授的研究团队在学术期刊《PLOS Computational Biology》上发文，展现了人工智能在预测蛋白结构上的巨大力量。他们将两个神经网络糅合到一块，生成了一个“超级深度神经网络”。研究人员相信，它能预测更复杂的蛋白结构。为了测试这一人工智能的准确度，许教授的研究团队选取了近600个不同的蛋白，让人工智能去预测结构。随后，他们将预测的结果与蛋白结构数据库中的模型进行比对。研究发现，人工智能的准确度极高。“我们的方法极大超越了现有的方法。”研究人员在论文中说道。

利用人工智能预测蛋白结构，是人工智能的一项杰出应用。如果这些深度学习程序能够正常运作，那么预测人类蛋白结构的速度将迅速加快，这将有望为制药行业带来很大改变。癌症、阿兹海默病、糖尿病、心血管疾病等疾病患者也将有望迎来更多新药。