2020年在CASP13中成为基准，AlphaFold排名第一；随后赢得CASP14，其预测结构可达到原子精度；
2021年底，AlphaFold2预测全人类蛋白质并开源数据库，Nature将其列入年度十大科学事件。
今日，AlphaFold在分子生物学界再掀波澜。
01、从全人类到整个地球
7月28日，DeepMind公司与欧洲生物信息研究所（EMBL-EBI）团队联合公布：AlphaFold预测出含植物、细菌、真菌在内的100万个物种，2.14亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质。
在超2亿个蛋白质结构预测结果中，约35%具有高精度，达到了实验手段获取的结构精度；80%的结构足以用于多项后续分析。
这一重大飞跃，再次引爆学术界。
图：AlphaFold此次预测的蛋白质结构，涵盖大量动植物及微生物物种
目前，含2亿多个蛋白质结构的数据库已免费公开，并将通过Google Cloud Public Datasets提供批量下载。
这是我们给全人类的一份礼物，DeepMind创始人Demis Hassabis在推特上激动地表示，“以后查找蛋白质结构，会像使用搜索引擎一样简单”。
接下来，研究团队还将继续开发预测蛋白质折叠方式的算法模型，伦敦大学学院Tomek Wlodarski 博士指出。
在过去一年里，有关AlphaFold结构研究的科学文章高达上千篇，产业界也纷纷展开行动。
02、改变了游戏规则
DeepMind表示，迄今为止已经有来自190个国家的50多万名研究人员访问了AlphaFold数据库，查看超过200万个结构。
此外，还有AlphaFold 的“超级用户”：研究人员在自己的服务器上安装了软件，或者转向基于云的 AlphaFold 版本来预测不在 EMBL-EBI 数据库中的结构，或者为该工具设想新用途.
Nature调查显示，自AlphaFold开源以来，学术界（包括发表论文和预印本）对其的引用大幅上升。
图：AlphaFold开源后学界论文的引用数量（含预印本）
“AlphaFold 改变了游戏规则”，有科学家称。
科学家已经逐步运用其解析蛋白质结构、识别新的蛋白质种类、预测蛋白质相互作用、以及运用其预测和探索人类未知的蛋白物质。当然，AlphaFold的预测并不是完全准确，还需要通过实验室对结果进行验证。
除了蛋白质结构预测外，人工智能工具也在被用来设计全新的蛋白质，以及基于结构设计药物。例如曾在AlphaFold2开源前一个月，发明RoseTTAFold的Dvid Baker课题组，已从蛋白质结构预测逐渐转型为蛋白质设计。
他们的最新研究结果表明，只根据靶点结构即可实现从头设计结合特定位点，甚至特定功能的结合蛋白。
随着AI技术的突破以及相关应用的成熟，国内与蛋白质药物/基于结构设计的初创公司也获得资本青睐。
据智药局此前统计，仅今年二季度，全球有超8起融资蛋白质药物/蛋白质组学/基于结构设计药物相关融资。包括已开发多种蛋白药物设计与建模的创新算法华深智药，蛋白质结构预测及设计的分子之心和智峪生科、AI+蛋白质组学络米生命科技等。
此前DeepMind决定将AlphaFold运用到实际的药物研发中来，推出子公司Isomorphic Labs，以及和DNDi（被忽视疾病药物研发倡议组织）合作，共同致力于寻找治疗被忽视疾病的药物，比如恰加斯病和利什曼病。
DeepMind称，他们已经迫不及待地想看到AlphaFold2接下来会对世界各地的科学家产生怎样的影响。
从了解疾病到保护蜜蜂，到破译生物难题，再到更深入地研究生命本身的起源，一切都皆有可能。
参考链接：
https://www.nature.com/articles/d41586-022-00997-5
https://www.ebi.ac.uk/about/news/technology-and-innovation/alphafold-200-million/
评论
沙发等你来抢