破解 50 年折疊難題之後：AI 如何成為蛋白質設計師？

蛋白質如何折疊？攻略藏在序列之中

美國化學家安芬森（Christian Anfinsen）在 1961 年觀察到，即使將一個蛋白質的折疊結構攤平，它還是可以重新折回去本來的形狀。安芬森認為：蛋白質的立體結構完全由胺基酸序列決定。也就是說，只需要知道胺基酸的排列順序（一維），蛋白質就會乖乖折成最後的形狀（三維），不需要其他遺傳資訊。十年後，安芬森獲得了 1972 年的諾貝爾化學獎。

折疊成複雜結構只需要知道序列就好，如此反直覺的結論，當時自然也引來質疑。美國科學家利文索爾（Cyrus Levinthal）在 1969 年計算指出，假設現在有個蛋白質是 100 個胺基酸組成，在隨機折疊的情況下，該蛋白質至少可以有 10⁴⁷ 不同的結構，需要花費比宇宙年齡更長的時間，才能折成正確的結構。但實際上，細胞內的蛋白質只需要數個毫秒的時間，就可以折疊完畢。

如果科學家說的都是真的，也就暗示著：看似簡單的一串胺基酸序列，除了決定結構，同時也隱藏著「如何折疊的方法」！

諾貝爾化學獎的 AI 時刻

2024 年的諾貝爾化學獎，頒給了運用 AI 技術的生物化學先驅者：貝克（David Baker）、哈薩比斯（Demis Hassabis）與瓊珀（John M. Jumper），以表彰他們在「蛋白質序列設計」與「蛋白質結構預測」的突破。貝克從無到有，創造出全新的蛋白質；哈薩比斯與瓊珀則是運用 AI，破解了蛋白質的折疊祕密。

上面我們已經知道，胺基酸序列裡面有折疊的 SOP，只要知道這個資訊，就可以預測蛋白質的結構！科學家們為了找出答案，整整花了 50 年左右的時間。

1994 年開始，有個名為 CASP 的蛋白質結構預測競賽，人稱「蛋白質領域的奧運」，每兩年舉辦一次，主辦方會公布胺基酸序列，讓全球頂尖團隊設法用演算法去預測蛋白質結構 。

然而，長久以來，CASP 的預測準確率始終在 40% 左右徘徊，進展緩慢 。直到 2018 年，哈薩比斯入場了。

他曾經是西洋棋神童，也是成功的遊戲開發者，後來成為神經科學家。他創辦了 AI 公司 DeepMind，以 AlphaGo 擊敗了世界圍棋冠軍。對哈薩比斯而言，圍棋不是最終目標，他想用 AI 解決人類的重大科學問題。

2018 年，DeepMind 團隊帶著 AI 模型 AlphaFold 首次參加 CASP13 競賽。結果一鳴驚人，準確率提升到將近 60% 。不過，距離 90% 的實證等級準確度仍有不小的差距，團隊一度陷入瓶頸 。後來，數學物理博士瓊珀加入團隊。瓊珀對蛋白質理論模擬很有興趣，他與哈薩比斯利用 Google Transformer 的架構重新改造出 AlphaFold2。

當 AlphaFold2 收到一串胺基酸序列時，它會先比對資料庫裡面各個物種的相似序列，並且找出曾經發生共同演化的位點，因為這些點很有可能會黏在一起（隱藏的折疊資訊！）。透過這套分析步驟，AlphaFold2 可以預測胺基酸序列的每個位點在空間的相對距離，也就預測了立體結構。

2020 年，脫胎換骨的 AlphaFold2 再次參加 CASP14 競賽 。結果讓整個生物化學界為之震撼：AlphaFold2 的預測準確率達到了驚人的 90% 左右，已經可以和費時費力的 X 光繞射結果相媲美。

CASP 的創辦人當場宣布：挑戰，結束了。

另一位諾獎得主貝克，他的團隊很早就開始探索蛋白質結構的預測問題，近年還專注在從無到有創造蛋白質。

貝克在哈佛大學原本主修哲學，有次在生物課讀到一本《細胞的分子生物學》（Molecular Biology of the Cell），就此啟發了他，轉身投入研究蛋白質結構。他極具野心，除了想要預測蛋白質結構，還想創造出自然界沒有的全新蛋白質。他說：「如果你想要打造一架飛機，你不會試圖改造一隻鳥；你會開始去理解空氣動力學原理，並從頭打造。」

吳昆峯提到，David Baker 團隊在 1998 年開發出名為 Rosetta 的軟體，套用了種種物理和化學準則（principle）。Rosetta 能夠用一小段已知的蛋白質，搭配能量計算，預測最有可能的折疊結構，但預測效率和普及性沒有 AlphaFold 系列那樣傑出。

不過 Rosetta 有更厲害的地方——設計全新的蛋白質。

2003 年，貝克團隊成功設計和做出蛋白質「Top7」，含有 93 個胺基酸，結構從來沒有人看過，證明人類可以從基礎原理創造人工蛋白質。如今，Rosetta 系列軟體已被全球科學家廣泛使用。吳昆峯表示，近年已應用在抗體的篩選，開發細胞內酵素的新功能，以及阻隔新冠病毒進入宿主細胞等。

2024 年是諾貝爾化學獎的 AI 時刻，AlphaFold 將人類從耗費心力的蛋白質預測問題解放出來，開始思考更重要的問題，例如：訂做自己想要的蛋白質。

蛋白質的逆向工程：ProteinMPNN

給 AlphaFold 一串序列，它就能預測蛋白質的立體結構。但是要「設計蛋白質」，我們需要逆向工程：科學家心中已經有理想的立體結構，例如可以精準卡住現有病毒凹槽的形狀，再回推原本的胺基酸序列。

這就是諾獎得主貝克實驗室長久以來的努力目標。

早期的 Rosetta 版本，是依賴能量計算來尋找答案。科學家要手動找出蛋白質上的熱點（hotspots），分析物理特性，再透過分子模擬來猜測：「如果把 A 胺基酸換成 B 胺基酸，結構會不會更穩定？」，嘗試計算出最穩定的序列。

Rosetta 使用的方法，其實就是科學家的循理性法則（rational design），只是更快。吳昆峯有深刻體會：「你必須要很清楚蛋白質的構造，你要去分析它、知道要去突變哪個位置、突變成哪個胺基酸。」 過程非常耗費時間和人力，「我們要走分子模擬去驗證，控制變因，少則數個月，長則需要一年以上才能完成。」

如果可以犧牲一些精準，來換取更高的效率呢？貝克團隊在 2022 年推出 ProteinMPNN，就是客製化蛋白質的高手。

ProteinMPNN 不再一個一個去計算，它是用深度學習將蛋白質資料庫的結構和序列連結起來。使用者只要輸入蛋白質的骨架和幾何特徵，AI 就能在幾秒鐘內以骨架為範本，生成多個可能的序列，而且這些蛋白質的胺基酸序列都可以折疊到跟範本一樣的構型，這是所謂的反向折疊設計（inverse folding design）。

根據貝克團隊在《科學》（Science）期刊的研究，ProteinMPNN 幾乎完勝早期的 Rosetta，設計 100 個胺基酸序列的蛋白質，只需要 1.2 秒，遠遠快於 Rosetta 的 258.8 秒。序列還原度（sequence recovery）也更高，ProteinMPNN 為 52.4%，高於 Rosetta 的 32.9%。

「AI 把我們本來要做的事情都推快很多！」吳昆峯比喻，「有點像之前要花很多功夫在切菜、炒菜，現在就是你把東西（蛋白質結構）丟進去，AI 就炒菜給你了。」「他可以幫你找出哪裡要改，然後改成什麼。」吳昆峯補充道。

ProteinMPNN 還拯救了過去 Rosetta 設計失敗的蛋白質案例，讓許多原本無法結合的蛋白質結構成功表達。

客製化蛋白質的未來

AlphaFold 和 ProteinMPNN 徹底加速了結構生物學的工作流程，除了某些特別難做的蛋白質之外，科學家已經可以開始製作自己想要的蛋白質。例如，先將想要的結構丟給 ProteinMPNN，生成數千個可能的序列。然後把新的序列篩選一下，丟給 AlphaFold 驗證，看是否真的能折疊出接近的結構。人工驗證的時間花費大幅降低。

「像我們實驗室那篇《ACS Synthetic Biology》論文」，吳昆峯分享道，「ProteinMPNN 給了我 3000 個可能性，我們不可能去合成 3000 條基因與純化蛋白質，所以我們就設一些條件，篩出 20 個。」

「實作完驗證發現，其實 AI 建議的 20 個裡面只有 4 個比較好。25% 的效率我覺得夠了啦！」吳昆峯笑著說。「因為不用走傳統的設計方式」，他解釋道，「那一步要花兩到三個月以上的工作，可是用 AI 只要兩天就好了，很划算。」

既然有了強大的 AI 工具，在下一篇文章，我們將深入吳昆峯的實驗室，看他們如何探索科學的知識邊界，實際利用 ProteinMPNN 和 AlphaFold，改造細胞的物流加速器（泛素），加快酵素的反應！

註：吳昆峯在訪談中補充道，自從 ProteinMPNN 在 2022 年推出後，研究人員以此為基礎，又開發出三種新工具，分別是：SolubleMPNN、ThermoMPNN 和 LigandMPNN。研究者可以依照不同需求，設計出更符合用途的蛋白質。