機器之心報道

編輯：陳萍、小舟、澤南

科學界已知的幾乎所有蛋白質結構，都在這里了。

蛋白質是生命的基礎構件，它們由氨基酸鏈組成，折疊成不同的復雜形狀。蛋白質的功能通常由其 3D 結構決定。如果我們了解蛋白質的折疊方式，就可以開始探索它們是如何工作的，并嘗試改變它們的功能。盡管 DNA 提供了制造氨基酸鏈的指令，但預測它們如何相互作用以形成蛋白質的 3D 結構是一個巨大的挑戰。

一年前，DeepMind 發布了 AlphaFold2，以原子水平的準確度預測了 2/3 的蛋白質結構，并與 EMBL-EBI 共同發布了開放可搜索的蛋白質結構數據庫 AlphaFold DB，與世界共同分享這一技術。

7 月 28 日，DeepMind 宣布 AlphaFold DB 已從 100 萬個結構擴展到超過 2 億個結構，擴大超過 200 倍，這一進展將極大地提升人們對于生物學的理解。

幾乎涵蓋所有已知蛋白質

「你可以認為它基本涵蓋了所有蛋白質結構。包括植物、細菌、動物和許多其他生物的預測結構，這為 AlphaFold 開辟了巨大的新機會，可以對環保、糧食安全和被忽視疾病等重要問題產生影響，」DeepMind 創始人、首席執行官杰米斯 · 哈薩比斯在介紹 AlphaFold DB 這次擴展時說道。

這一更新包括植物、細菌、動物和其他生物的蛋白質預測結構。

這一更新意味著蛋白質數據庫 UniProt 都將帶有蛋白質預測結構（UniProt 是一個全面的，高質量的，免費使用的蛋白質序列與功能信息數據庫，它還包含了大量來自研究文獻的關于蛋白的生物學功能信息）。研究者可以通過 Google Cloud Public Datasets 批量下載，讓世界各地的科學家更容易訪問 AlphaFold。

斯克里普斯轉化研究所創始人 Eric Topol 表示：「AlphaFold 是生命科學領域獨一無二的重大進步，展示了 AI 的力量。過去確定蛋白質的 3D 結構需要數月或數年，現在只需幾秒鐘。AlphaFold 已經加速并實現了大規模發現，包括破解核孔復合體的結構。新的蛋白質結構不斷增加，幾乎照亮了整個蛋白質宇宙，我們可以期待每天都有更多的生物謎團被解開。」

AlphaFold 的影響

自發布至今，AlphaFold 已產生令人難以置信的影響。它是 DeepMind 構建的最復雜的人工智能系統，需要多項關鍵創新，并已應用到多種下游任務中。

AlphaFold2 可以在原子精度上準確地預測蛋白質的結構，它不僅為生物學中 50 年來的重大挑戰提供了解決方案，也證明了：人工智能可以極大地加速科學發現，進而推動人類進步，這一點意義重大。

DeepMind 已經開源了 AlphaFold 的代碼，并在《自然》雜志上發表了兩篇深度論文，引用量已超過 4000。此外，DeepMind 還與 EMBL-EBI 合作設計了一種幫助生物學家使用 AlphaFold 的工具，并共同發布了 AlphaFold DB。

在發布 AlphaFold 之前，DeepMind 征求了 30 多名生物學研究專家的意見，使得他們以最大化潛在利益和最小化潛在風險的方式與世界分享 AlphaFold 。

迄今為止，來自 190 個國家 / 地區的超過 500000 名研究人員訪問了 AlphaFold DB，查看了超過 200 萬個結構。一些免費提供的蛋白質結構也已集成到其他公共數據集中，例如 Ensembl、UniProt 和 OpenTargets，被數百萬用戶訪問。

在與其他機構合作時，DeepMind 優先考慮那些最具積極社會效益的應用，重點關注那些資金不足或被忽視的計劃。

拼湊核孔復合體

在最新一期《科學》雜志特刊上，幾個研究團隊描述了 AlphaFold 幫助拼湊核孔復合體——生物學中最具挑戰性的難題之一。這個巨大的結構由數百個蛋白質部分組成，控制著進出細胞核的一切。

人們通過使用現有的實驗方法揭示它的輪廓，結合 AlphaFold 預測完成和解釋其中不清楚的區域，最終揭示了它的微妙結構。《科學》將其稱為實驗結構生物學的勝利，這種新研究方式現在正成為實驗室的常規做法，開啟了新的科學研究道路。

結構搜索工具

Foldseek、Dali 等結構搜索工具允許用戶非常快速地搜索與給定蛋白質相似的結構。這將是為實際有用的蛋白質（例如分解塑料的蛋白質）挖掘大型序列數據集的第一步，它可以提供有關蛋白質功能的線索。

對人類健康的影響

AlphaFold 已經對人類健康產生了重大而直接的影響。與歐洲人類遺傳學會的合作證明 AlphaFold 對于解開罕見遺傳疾病的原因至關重要。此外，AlphaFold 還通過更好地了解新發現的可能成為藥物靶點的蛋白質，幫助科學家更快地找到與其結合的潛在藥物來加速藥物發現。