在最新的人机大战中人工智能以微弱优势获胜

VikasNanda花了二十多年的时间研究蛋白质的复杂性，蛋白质是存在于所有生物体中的高度复杂的物质。这位罗格斯大学的科学家长期以来一直在思考构成蛋白质的独特氨基酸模式如何决定它们是否会变成从血红蛋白到胶原蛋白的任何东西，以及随后神秘的自组装步骤，其中只有某些蛋白质聚集在一起形成更复杂的物质.

因此，当科学家想要进行一项实验，让人类——一个对蛋白质设计和自组装有深刻、直观理解的人——与人工智能计算机程序的预测能力进行对比时，高级生物技术中心的研究员Nanda和罗格斯大学的医学(CABM)名列榜首。

现在，看看谁或什么可以更好地预测哪些蛋白质序列最成功结合的结果已经出来了。南达与伊利诺伊州阿贡国家实验室的研究人员和来自全国各地的同事一起在《自然化学》杂志上报告说，这场战斗势在必行，但具有决定性意义。计算机程序赢得了Nanda和几位同事对抗人工智能(AI)程序的比赛，而且获胜的幅度很小。

科学家们对蛋白质自组装非常感兴趣，因为他们相信更好地理解它可以帮助他们设计出许多用于医疗和工业用途的革命性产品，例如用于伤口的人造人体组织和用于新化学产品的催化剂。

“尽管我们拥有广泛的专业知识，但人工智能在几个数据集上的表现同样好或更好，这显示了机器学习在克服人类偏见方面的巨大潜力，”罗格斯大学罗伯特伍德约翰逊医学院生物化学和分子生物学系教授南达说学校。

蛋白质由大量首尾相连的氨基酸组成。这些链折叠起来形成具有复杂形状的三维分子。每种蛋白质的精确形状以及它所含的氨基酸决定了它的作用。一些研究人员，如Nanda，从事“蛋白质设计”，创造产生新蛋白质的序列。最近，Nanda和一组研究人员设计了一种合成蛋白质，可以快速检测VX，一种危险的神经毒剂，并可能为新的生物传感器和治疗铺平道路。

由于很大程度上未知的原因，蛋白质将与其他蛋白质自组装形成生物学中重要的超结构。有时，蛋白质看起来会遵循某种设计，例如当它们自组装成病毒的保护性外壳(称为衣壳)时。在其他情况下，它们会在出现问题时自行组装，形成与阿尔茨海默氏症和镰状细胞等多种疾病相关的致命生物结构。

“了解蛋白质自组装对于在包括医学和工业在内的许多领域取得进展至关重要，”南达说。

在实验中，南达和其他五位同事得到了一份蛋白质清单，并要求他们预测哪些蛋白质可能自组装。他们的预测与计算机程序做出的预测进行了比较。

人类专家根据他们在实验中观察到的蛋白质行为(包括电荷模式和对水的厌恶程度)采用经验法则，选择了他们预测会自组装的11种蛋白质。该计算机程序基于先进的机器学习系统，选择了九种蛋白质。

人类对他们选择的11种蛋白质中的6种是正确的。计算机程序获得了更高的百分比，它推荐的九种蛋白质中有六种能够自组装。

实验表明，人类专家“偏爱”某些氨基酸而不是其他氨基酸，有时会导致他们做出错误的选择。此外，计算机程序正确地指出了一些蛋白质，这些蛋白质的质量并未使它们成为自组装的明显选择，从而为进一步研究打开了大门。

这段经历让曾经怀疑机器学习用于蛋白质组装研究的Nanda对这项技术更加开放。

“我们正在努力从根本上了解导致自组装的相互作用的化学性质，因此我担心使用这些程序会妨碍重要的见解，”南达说。“但我开始真正理解的是，机器学习只是另一种工具，就像其他任何工具一样。”