來源：DeepMind

一個 " 蛋白質宇宙 " 誕生了。2021 年 7 月剛推出之際，AlphaFold 數據庫擁有 35 萬個蛋白質預測結構，如今這個數據達到了 2.14 億個，庫容翻了 610 倍。

記者 | 孫滔

審校 | clefable

7 月 28 日，DeepMind 公布的這個蛋白質數據庫已經囊括了幾乎所有地球生物物種，包括動物、植物、細菌、真菌等等，據《自然》官網報道，DeepMind 的合作方、歐洲分子生物學實驗室的歐洲生物信息學研究所 （EMBL-EBI）稱，在超過 2.14 億個預測結構中，約 35% 與實驗確定的蛋白質結構一樣高度準確，另外 45% 的預測結構也到達了很高的可信度，能用于后續多種研究和應用。

從建立之初，這個數據庫就是免費開放的，如今已成為科學家的必備工具。據 EMBL-EBI 數據，迄今已有超過 1000 篇科學論文引用了 AlphaFold 數據庫，來自 190 個國家的 50 多萬名研究人員訪問過該數據庫，查看了超過 200 萬個蛋白質結構。目前，DeepMind 測定的這些蛋白質結構也被整合到其他的公共數據庫中，將為數百萬研究人員的日常工作提供參考。

相比于 1 年前，AlphaFold 數據庫中的蛋白質結構數據量增加了 600 多倍，涵蓋了物種也達到了 100 萬種（圖片來源：DeepMind）

AlphaFold 數據庫就是蛋白質結構的 " 谷歌搜索 "，要認識某個蛋白質結構只需在數據庫搜索可立即獲得結果，這可以讓科學家能夠集中精力加快實驗研究。按照 DeepMind 創始人、首席執行官德米斯 · 哈薩比斯（Demis Hassabis）的看法，這是迄今為止人工智能系統在推進科學發展中做出的最大貢獻。他在 DeepMind 的官方博客中稱，從抗擊疾病到開發疫苗，AlphaFold 已經取得了令人難以置信的進展，而這只是開始。

2 億個數據有什么用

從科研人員對該數據庫的熱情就可以想見其對科學研究的價值，僅 DeepMind 在《自然》雜志上發表的 2 篇論文已被引用超過 4000 次。可以說，AlphaFold 實現了 AI 在生命科學領域的雄心。斯克利普斯研究所創始人埃里克 · 托普（Eric Topol）的看法是，AlphaFold 是 AI 在生命科學領域取得的唯一的重大進展，以前確定一個蛋白質的三維結構需要數月或數年，現在只需要幾秒鐘。

托普說，AlphaFold 已經加速并促成大規模的蛋白質結構被破解，包括核孔復合體的結構，" 我們可以期待每天都有更多的生物之謎被揭示 "。事實上，按照哈薩比斯的說法，這個數據庫的價值可以覆蓋從了解疾病到保護蜜蜂，從解決生物學難題到深入研究生命起源本身，對解決一些重要的問題，例如可持續發展、燃料問題、糧食不安全和被忽視的疾病等，都將產生重大的影響。

該數據庫已經在瘧疾的治療中發力了。今年 5 月，牛津大學的生物化學教授馬修 · 希金斯（Matthew Higgins，從事瘧疾研究）領導的研究團隊宣布，他們已經使用 AlphaFold 幫助確定了一種來自瘧原蟲的關鍵蛋白質的結構，并找出能阻止瘧原蟲傳播的抗體可能結合的位置。

希金斯在接受外媒采訪時稱，他們之前采用蛋白質晶體學技術來計算這種分子結構，但多年來一直沒有取得突破，因這種蛋白質的結構動態性強并且會到處移動，而在將 AlphaFold 預測的結構模型與實驗數據結合后，他們順利地解決了這一難題。他們準備將最新的研究成功用于設計優化的疫苗，以誘導感染者產生最有效的、能阻斷瘧疾傳播的抗體。

目前借助于 AlphaFold，已經發表的蛋白質結構（圖片來源：DeepMind）

而環境研究，也會因為這一數據庫而受益。據外媒，英國樸茨茅斯大學的結構生物學教授兼酶創新中心（CEI）的主任約翰 · 麥吉漢（John McGeehan）正在使用 AlphaFold 來識別自然界中的酶的結構，以期找到能消化和回收塑料的酶。他們已經發現了從未見過的三維的蛋白質結構具有分解塑料的功能。

DeepMind 表示，該公司在與其他機構和組織合作時，會優先考慮最富社會效益的項目。他們與被忽略疾病藥物研發組織（DNDI）合作，幫助推進利什曼原蟲病（Leishmaniasis）、南美錐蟲病等嚴重影響貧困地區的疾病的治療，以及對世界衛生組織（WHO）列為優先研究項目中的關鍵蛋白質結構進行預測，包括麻風病和血吸蟲病等。

從量變到質變

如果把 AlphaFold 看作一個人，它大概會是成長飛速的天才少年。

DeepMind 隸屬于谷歌的母公司 Alphabet，擊敗了傳奇圍棋選手李世石的 AlphaGo 亦為其旗下產品。2016 年，擊敗李世石后不久，DeepMind 成立了針對 " 蛋白質折疊問題 " 的研究團隊。到 2018 年，DeepMind 首次公開了 AlphaFold 的預測結果，其成果發表在《自然》上。

2020 年 11 月 30 日，AlphaFold2 以巨大優勢在國際蛋白質結構預測競賽（CASP）中一舉奪魁，其預測的蛋白質結構已達到原子精度，可與實驗測得的結構相媲美。要知道，多年來，科學家只能通過核磁共振、X 射線和冷凍電鏡技術來確定蛋白質的結構。他們需要為了一個蛋白質結構反復試驗，其間花費了數年時間和巨額費用。2005 年，《科學》雜志在創刊 125 周年之際將預測蛋白質結構列為 125 個最具挑戰性的科學問題之一。因此，AlphaFold 的這次勝利被視為解決了 50 年來生物學領域的一個重大挑戰。

在中等難度的蛋白結構預測中，AlphaFold 連續兩年奪冠，今年更是取得了將近 90 分的 GDT 成績。來源：DeepMind

到了 2021 年，DeepMind 決定把 AlphaFold 的力量交到世界手中，于是在當年的 7 月 15 日在《自然》上開源了 AlphaFold 的代碼以及 60 頁的詳細補充信息。

就在 1 周后，DeepMind 在《自然》上又發表了對整個人類蛋白質組的結構預測結果，且使當時已知的高置信度蛋白質結構的數量增加了一倍。與此同時，DeepMind 還聯合 EMBL-EBI 推出了 AlphaFold 數據庫，其中囊括了人類蛋白質組以及另外 20 種模式生物體內超過 35 萬個蛋白質結構。

而又于 11 月，DeepMind 又更新了 AlphaFold2 的源代碼，以解讀多鏈蛋白質復合物，這顯著提高了預測蛋白質之間相互作用的準確性。2022 年，AlphaFold 數據庫迎來了庫容的數量級增長。這個 " 蛋白質宇宙 " 就擁有了獨一無二的強大力量。

更高的期待

當然這個數據庫并非萬能，科學家有更高的期待。

倫敦帝國理工學院教授基思 · 威爾遜（Keith Willison）稱，AlphaFold 在蛋白質折疊方面仍有問題需要解決。AlphaFold 只能基于已知實驗數據進行預測，但對于無法折疊成穩定 3D 結構的蛋白質就無能為力了，這些蛋白質通常具有不穩定和不可預測的折疊模式。

伊利諾伊大學厄巴納 - 香檳分校計算生物學家彭健稱，AlphaFold 可以幫助科學家重新評估以前的研究，以更好地了解疾病是如何發生的。不過他提示說，對于具有相關信息但認識不足的罕見蛋白質，AlphaFold 的預測質量也可能不那么高了。

哥倫比亞大學系統生物學家穆罕默德 · 庫萊希（Mohammed AlQuraishi）在接受據《麻省理工科技評論》采訪時稱，許多蛋白質會受基因突變和自然等位基因的影響，但它們的結構會如何改變，這個數據庫不會解決。他說，" 希望能準確模擬蛋白質突變體的工具很快會出現 "。

庫萊希等人參與創辦了非營利性人工智能研究聯盟 OpenFold，他們在 AlphaFold 數據庫基礎上做了進一步改造。2022 年 6 月 28 日，OpenFold 發布了其開發的第一個能預測蛋白質結構的 AI 模型，該模型是基于谷歌 DeepMind 和華盛頓大學蛋白質設計研究所的工作而開發的。OpenFold 內部評價是，該模型比 AlphaFold2 平均精度更高，運行時間更快。

不過，山東大學數學與交叉科學研究中心教授楊建益（從事蛋白質結構預測）告訴《環球科學》，AlphaFold2 已經很好用了，部署也很簡單，對硬件要求并不高，有圖形處理器（GPU）就夠，很多公司和高校都在用，速度還很快。他說，" 我個人并不太看好 OpenFold，復現 AlphaFold2 的訓練過程意義并不大，我自己也測試過 OpenFold，它的性能并不如 AlphaFold2。"

封面圖為蛋白質 Pfs48/45，它是瘧原蟲體內的一種關鍵蛋白質。科學家利用 AlphaFold 破解了其三維結構，推動了相關抗體的研發。來源：DeepMind