2016年，DeepMind人工智能机器人AlphaGo以4:1的总比分取胜围棋天下冠军韩国棋手李世石。
这一年，一家刚刚成立的上海AI企业开始参考AlphaGo开拓一套AI围棋程序，随后击败天下围棋冠军朴廷桓。
2020年，DeepMind人工智能程序AlphaFold2快速精准预测蛋白质构造，准确度媲美冷冻电镜等实验技能。
一年后，这家本土AI企业再次推出国产自研蛋白质构造预测平台TRFold。

近日，上海天壤智能科技有限公司XLab发布蛋白质构造预测平台TRFold，其最新版本的预测精度靠近AlphaFold2，并打破AlphaFold2须要超大算力的瓶颈，采纳权重共享的办法节约算力，预测大多数蛋白质链所需韶光不超过16秒。

在AlphaFold2已开源的情形下为何还要做人工智能蛋白质构造测序？再做一遍的寻衅在哪？数据、算力不敷情形下如何演习出一个好模型？接下来又会用TRFold做什么？

天壤创始人薛贵荣在接管澎湃***（www.thepaper.cn）专访时表示，AlphaFold2为构造生物学研究打开了大门，它就像“莱特兄弟的飞机”，个中的核心技能一定要自己节制。
如果不参与个中的技能演化，只能勾留在最初的“飞机”构造。

研发TRFold也让薛贵荣意识到，AlphaFold2另一个贡献是其演习方法可以回馈AI，去做更好的AI。

薛贵荣表示，如果每个模型都须要标注10000个数据才能演习，对AI是一场灾害。
实际上，数据是永久不足的，算力也是永久不足的，这种情形下算法的创新就显得更加主要了，比如能否用10张图片跑出一个好模型。
他认为，小样本下的机器学习对AI来说是个大寻衅，而AI的工业化生产并不须要那么多数据，这才是正道。

未来，团队也将连续深入仿照蛋白质与蛋白质之间的相互浸染，基于相互浸染可构建大规模相互浸染网络图、靶点创造、突变蛋白质构造仿照、抗体仿照等。

TRFold 基于 CASP14 蛋白质测试集的评估数据。
绿色：真实构造，蓝色：预测构造。

单张GPU下16秒精准预测

蛋白质是生命的物质根本，其三维构造直接决定了它的功能，一旦三维构造被毁坏，蛋白质功能随之损失或改变，许多疾病便是由体内主要的蛋白质构造非常所致。

每个蛋白质的氨基酸链扭曲、折叠、缠绕成繁芜的构造，想要破解这种构造常日须要花很永劫光，乃至难以完成。
截至目前，约有18万个蛋白质的构造已经用实验方法得到理解析，但这在已经测序的数十亿计的蛋白质中只占了很小一部分。

在蛋白质构造解析的几十年历史中，X射线晶体学、核磁共振波谱学（NMR）、冷冻电镜(Cryo-SEM)技能纷纭发挥了巨大贡献。
但这些传统方法每每依赖大量试错和昂贵设备，每种构造的研究都要花数年韶光。

直到AI的加入，让单个蛋白质折叠预测问题得到基本办理，加速构造生物学的发展。
2020年，DeepMind人工智能程序AlphaFold2在蛋白质构造预测竞赛CASP14中首次利用人工智能技能快速精准预测蛋白质构造，准确度达到原子级别，可与冷冻电镜等实验技能相媲美。

而海内的学术界和家当界也在蛋白质构造预测领域紧追国际步伐。
除了中科院的Falcon、腾讯的TFold、深势科技的Uni-Fold，天壤自研蛋白质构造预测平台TRFold基于CASP14的蛋白质测试集进行企业内测，取得82.7分（TM-Score，评估蛋白质构造拓扑相似性的指标），超过华盛顿大学生物学家David Baker团队81.3分的成绩，仅次于AlphaFold2的91.1分。

TRFold采纳权重共享的办法节约算力，算力花费约AlphaFold2的1/32。
在演习时，AlphaFold2利用了128个TPUv3核心（约即是256张GPU），TRFold仅利用了8张 Nvidia RTX 3090 GPU，以极小算力取得靠近AlphaFold2的成绩。

TRFold采取5000万参数循环多轨把稳力网络，同时支持氨基酸残基间的间隔预测和蛋白质全链构造预测，400个氨基酸的蛋白链利用单张Nvidia RTX 3090 GPU的预测韶光只需16秒，而AlphaFold2预测约同样数量的氨基酸蛋白链则须要70多秒。

在CASP14比赛期间，CASP官方曾发起一次针对新型冠状病毒肺炎的蛋白质构造预测，天壤基于TRFold提交的模型（nsp6-D2）预测结果还被CASP选为六个“最具可信度模型”之一。

传统意义上，单个蛋白质模型的预测分数达到90分以上就与实验室的预测结果差别不大，薛贵荣表示，TRFold将连续迭代，单蛋白的构造仿照只是开始，未来天壤操持仿照蛋白质与其复合物的相互浸染，包括小分子、多肽、其他蛋白质等。

他表示，目前明确的研究方向是连续深入仿照蛋白质与蛋白质之间的相互浸染。
基于相互浸染可构建大规模相互浸染网络图，以及靶点创造、突变蛋白质构造仿照、抗体仿照等。

“蛋白质将来会是一个相互浸染网络，我们得到这个浸染网络往后就可以进行深入剖析。
”薛贵荣说，如果将来每个人的蛋白质构造和浸染网络能全部测出，就可以提前通过蛋白质内部构造的突变剖析，预测出未来的康健状况和治疗手段。

“这里面能做的事情实在太多了，我们本日只是海里的水取了一瓢出来看了一下而已。
”而寻衅也是不言而喻的，多蛋白的相互浸染带来的算力花费更大，假设一个亿的蛋白质和其余一个亿的蛋白质交互，那是一个亿乘一个亿的打算组合。
“这个组合是爆炸的，用什么样的算法、策略来加速，这是一个很寻衅的事。
”

薛贵荣

“莱特兄弟的飞机”

2016年，DeepMind人工智能机器人AlphaGo约战围棋天下冠军韩国棋手李世石，以4:1的总比分取胜。
这一年，刚刚成立的天壤开始参考AlphaGo开拓一套AI围棋程序。

2018年5月，天壤AI围棋执白子对战天下围棋冠军朴廷桓，激战三小时后朴廷桓认负。
而这套AI围棋程序末了用在了城市交通信号灯的掌握上，帮助缓解交通拥堵。

2019年，天壤涉足蛋白质构造预测。
薛贵荣常被问到，为何要进入蛋白质预测领域，又或是在AlphaFold2已开源的情形下为何还要做蛋白质构造测序。

“从我们一开始做AI围棋程序时就逐步认识了AI的威力。
这么多年来天壤一贯希望用AI办理有寻衅的大问题，比如交通，然后是生物。
”薛贵荣表示，相对付交通这样从宏不雅观层面用算法调度，人类对微不雅观天下的认识就更有限了。

“我们从2019年开始做这件事，那时候的蛋白质构造数据和本日实在没什么大的变革。
十来万有构造的蛋白质能不能用算法手段把微不雅观天下未知的蛋白质三维构造刻画出来，这实在是一个很寻衅的事。
那时候有没有AlphaFold2也不知道，更别谈能不能做得出来。
”

但如果蛋白质预测模型能达到实验仪器的精度，将是巨大进步。
幸运的是，2020年底，AlphaFold2证明了算法的力量，让全体构造生物学界震荡，掀开了却构生物学的全新一页，“以前做一个蛋白质构造预测可能要花一到两年，溘然一个小时就能办理。
”

蛋白质构造预测问题的办理是生命科学探索的全新出发点，薛贵荣说，这次变革为全体行业带来很大发展机会，技能打破将重构原来生物运用层面的许多逻辑，比如制药流程、疾病治疗、个性化医疗等。
但事实上，AlphaFold2的开源代码只是推理代码，并没有公开演习代码。

AlphaFold2的成功是蛋白质构造预测方向的重大打破，而环绕蛋白质构造功能问题且能够达到实际落地运用准确度哀求的AI算法的开拓才刚刚开始，没有演习模型履历或没有具备能够演习出AlphaFold2结果的能力，是无法把该技能推进到办理更深层次的问题的。

“全体核心技能还是把控在人家自己手里，本日人家给你东西可以用，至于怎么来的你不知道。
”薛贵荣表示。

比如DeepMind团队10月份发布的预测蛋白质复合体构造的AlphaFold-Multimer便是在AlphaFold2根本上进行眇小调度后，将蛋白质与蛋白质之间的关系预测出来。
这种更深入的研究就必须要有自己搭建底层算法的能力，才能真正运用在生物学领域。

“就像做飞机一样，从莱特兄弟发明第一架飞性能飞起来，如果中间过程不参与，你永久还是勾留在当时那个构造。
但本日大飞机在天上飞起来，能承载那么多人，个中有非常多的研究，很多创新也从中不断涌现。
”

薛贵荣说，本日DeepMind的AlphaFold2便是“莱特兄弟的飞机”，个中的核心技能一定要节制，才能和其他团队在同一赛道比赛。
“AlphaFold不断往前跑，我们也在不断追赶他们。
”

AlphaFold2“反哺”AI

“我们很永劫光一贯也是在70分旁边徘徊，也徘徊了很永劫光，最近跳跃到80多分。
”在两年半的研发韶光里，TRFold经历了几十个版本的迭代，当前的演习架构是从今年初就开始设计，接着处理数据、演习数据，一直迭代，耗费10个月韶光，目前取得82.7分。

而让团队头痛的寻衅便是算力和内存，这决定了模型的大小。
薛贵荣先容，“小模型的影象力是有限的，模型越大影象能力就越强，但模型越大对应的算力和内存需求就越大。
”在演习资源有限的情形下，团队从数据和网络设计上做出改进，在算力巨大差距的情形下实现了相对较好的结果。

“在后续构建蛋白质相互浸染网络的过程中，涉及一个蛋白质和另一个蛋白质的相互浸染，以及多个蛋白质之间的相互浸染，打算量呈指数级增长。
因此，TRFold以较小算力需求快速预测蛋白质构造对后续开展深入研究具有深远意义。
”天壤XLab团队卖力人苗洪江表示。

数据是机器学习的燃料，但比较以往图像识别机器学习算法须要依赖百万张图片数据来演习模型和系统，用实验方法已经解析的蛋白质构造只有十几万个。
机器学习大牛吴恩达认为，人工智能落地的寻衅之一是小数据的问题，如何使机器学习纵然面对小数据也能事情。

而这也是困扰薛贵荣的问题。
他和苗洪江第一天见面聊就在磋商，有构造的蛋白质数据够不足，能不能演习出一个知足效果的模型，还是说再等冷冻电镜10年，等50万数据出来就够了。
“那时候我们也很担心，我们就怕这个领域做下去真的是10年往后的事了。
”

但AlphaFold2证明，通过算法和模型设计、蒸馏数据等手段，是可以取得好结果的。
比较AlphaFold2，TRFold的算法模型仅采取少量的真实数据演习，即从多个宏蛋白质组序列库中探求出蕴含更精准共进化信息的多序列排列，使模型在演习过程中能够得到对真实共进化信息更好的识别能力，从而取得对氨基酸残基间隔和坐标更准确的预测结果。
团队有望在近期加入蒸馏数据增强事情，进一步提高模型的预测和泛化能力。

回过分来看，薛贵荣认为，除了为构造生物学研究打开了大门，AlphaFold2另一个贡献是其演习方法可以回馈AI，去做更好的AI。

“AI三个步骤，数据标注准备好，算法设计好，目标要想好，有了这三件事再加上算力支持才能做AI。
”但实际上，数据是永久不足的，算力也是永久不足的，这种情形下算法的创新就显得更加主要了。

“10张图片能不能出来一个很好的模型？别变成给你10000张图片能不能出来一个好的模型。
小样本情形下的机器学习能不能做好，实在这对全体AI领域是一个很大的寻衅，由于只有小样本才能具备规模化、工业化的生产能力。
”薛贵荣表示，如果每个模型都须要标注10000个数据才能演习，数据标注行业的发展势头会很好，但对AI来讲是一场灾害。

“做什么事都要标大量的数据怎么玩得下去？人工智能偏人工了。
我们真正要做的是把智能这块做强，把人工这块限定在一个框框内，这才是我们真正讲的从人工智能走向机器智能。
”从AlphaFold到AlphaFold2，薛贵荣认为，这便是人工智能走向机器智能的巨大变革。
AI的工业化生产并不须要那么多数据，这才是正道。

任务编辑：李跃群 图片编辑：施佳慧

校正：丁晓