谷歌(GOOGL.US)AlphaFold點評：生命科學(xué)與人工智能持續(xù)交叉，有望成為新投資賽道

本文來自微信公眾號“樂平科技視角”，文中觀點不代表智通財經(jīng)觀點。

行業(yè)近況

11月30日，谷歌旗下人工智能技術(shù)公司DeepMind宣布其開發(fā)的深度學(xué)習(xí)算法AlphaFold，在生物學(xué)領(lǐng)域重要的“蛋白質(zhì)折疊問題”上實現(xiàn)突破，其算法的預(yù)測精度首次達到了與人類實驗相當?shù)臏蚀_率水平。我們認為，這是DeepMind在2016年AlphaGo打敗圍棋世界冠軍，2019年AlphaStar戰(zhàn)勝電競職業(yè)玩家后的又一次重大突破。10月，今年的諾貝爾化學(xué)獎授予Emmanuelle Charpentier、Jennifer A. Doudna等科學(xué)家開發(fā)的基因編輯技術(shù)CRISPR，我們注意到學(xué)術(shù)界在基因編輯領(lǐng)域也正逐漸展開人工智能的嘗試。隨著AlphaFold等預(yù)測算法，以及CRISPR等基因編輯技術(shù)的逐漸成熟，我們看到未來人工智能與生命科學(xué)的結(jié)合有望成為一條新興的發(fā)展賽道。該主題相關(guān)公司包括：科技公司-谷歌（GOOGL.US，未覆蓋）、基因測序-Illumina（ILMN.US，未覆蓋）、基因編輯-海外：CRISPR Therapeutics （CRSP.US，未覆蓋），Editas（EDIT.US，未覆蓋），Intellia（NTLA.US，未覆蓋），國內(nèi)：博雅輯因（未上市，國內(nèi)首個提交CRISPR基因編輯療法臨床試驗申請）等。

評論

人工智能助力解構(gòu)蛋白質(zhì)折疊問題。1）什么是“蛋白質(zhì)折疊問題”？蛋白質(zhì)功能主要取決于自身的3D結(jié)構(gòu)，其折疊過程能讓人們了解DNA中轉(zhuǎn)錄、翻譯出的一維氨基酸序列信息是如何決定三維蛋白質(zhì)分子結(jié)構(gòu)[i]，屬于生命科學(xué)中的重要命題。2）AlphaFold提供了什么優(yōu)勢？AlphaFold通過輸入氨基酸序列信息，預(yù)測蛋白質(zhì)中氨基酸對的距離和以及連接化學(xué)鍵的角度，構(gòu)建并預(yù)測蛋白質(zhì)的立體模型。相較過去在實驗室中進行的傳統(tǒng)預(yù)測手段（X射線晶體衍射、冷凍電子顯微鏡等）而言，AlphaFold在準確率接近人類實驗的基礎(chǔ)上，設(shè)備成本相對降低，且預(yù)測耗時有所縮短（部分預(yù)測耗時僅需半小時[ii]）。我們認為人工智能在醫(yī)藥領(lǐng)域降本增效的效應(yīng)正不斷顯現(xiàn)，具有較好的發(fā)展前景，后衛(wèi)生事件時代，AI+醫(yī)療有望迎來大發(fā)展。

蛋白質(zhì)分子折疊研究前景廣闊，人工智能有望加速應(yīng)用落地。1）應(yīng)用意義：蛋白質(zhì)大分子能夠協(xié)助人體實現(xiàn)感知光亮、肌肉生長、病毒免疫等多種功能，對生命至關(guān)重要。通過研究蛋白質(zhì)分子的結(jié)構(gòu)，能夠解決包括農(nóng)作物增產(chǎn)、藥物設(shè)計、病理探究以及降解塑料等多領(lǐng)域的問題，充滿豐富想象空間。2）人工智能能做什么？目前單種蛋白質(zhì)存在約種[iii]潛在的立體構(gòu)象，雖然AlphaFold當前仍不能保證接近完美的預(yù)測，但我們認為，隨著模型的持續(xù)優(yōu)化及蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫（PDB）的不斷完善，該技術(shù)有望持續(xù)助力完善蛋白質(zhì)結(jié)構(gòu)的預(yù)測效率和精度，加速蛋白質(zhì)折疊應(yīng)用的拓展與落地。

生命科學(xué)與人工智能持續(xù)交叉，有望成為新投資賽道。從2018年微軟[iv]推出Elevation預(yù)測CRISPR基因編輯效果，2020年初中國AI企業(yè)運用人工智能技術(shù)在診前、診中、診后全階段助力抗疫，再到本次AlphaFold解構(gòu)生物學(xué)難題，我們認為這預(yù)示著發(fā)展基于人工智能技術(shù)的生命科學(xué)有望成為未來的重要趨勢；隨著人工智能“智力”水平不斷上升，人工智能技術(shù)應(yīng)用或?qū)⒂瓉肀l(fā)式增長，我們看好AI+生命科學(xué)成為一條新的優(yōu)質(zhì)投資賽道。

估值與建議

維持所覆蓋公司評級、盈利預(yù)測、目標價不變。

風險

新業(yè)態(tài)帶來倫理和政策挑戰(zhàn)；人工智能技術(shù)發(fā)展不及預(yù)期。

圖表1: 什么是“蛋白質(zhì)折疊問題”？

資料來源：DeepMind，中金公司研究部

圖表2：單個人體約含有兩萬種蛋白質(zhì)，探索前景豐富

資料來源：DeepMind，中金公司研究部

圖表3：蛋白質(zhì)分子折疊應(yīng)用前景廣闊

資料來源：Nature，DeepMind，中金公司研究部

圖表4: 人工智能在醫(yī)療領(lǐng)域的應(yīng)用逐漸增加

資料來源：科大訊飛，IBM官網(wǎng)，中金公司研究部

圖表5: AI技術(shù)開始滲透至診療流程各環(huán)節(jié)

資料來源：中金公司研究部

圖表6：DeepMind 訓(xùn)練神經(jīng)網(wǎng)絡(luò)預(yù)測蛋白質(zhì)成對殘基（residues）之間距離的獨立分布

資料來源：DeepMind，中金公司研究部

圖表7：AlphaFold 2算法預(yù)測的優(yōu)化效果顯著

資料來源：Nature，DeepMind，CASP，中金公司研究部

圖表8:AlphaFold神經(jīng)網(wǎng)絡(luò)架構(gòu)

資料來源：DeepMind，CASP，中金公司研究部

圖表9：AI+CRISPR基因編輯的理念框架

資料來源：WilsonCenter，中金公司研究部

圖表10：微軟開發(fā)的Elevation可利用算法預(yù)測CRISPR脫靶效應(yīng)的概率分布

資料來源：Nature，微軟，中金公司研究部

圖表11: 衛(wèi)生事件期間，中國安防和AI公司推出的衛(wèi)生事件防控產(chǎn)品

資料來源：各公司官網(wǎng)，中金公司研究部

(編輯：李國堅)