AlphaFold揭示了蛋白质宇宙的结构
内容提要
AlphaFold发布一周年，已被超过50万研究人员使用，推动生物学研究。与EMBL合作，AlphaFold数据库将扩展至超过2亿种蛋白质结构，助力可持续发展和食品安全等领域。AlphaFold的快速准确性加速了药物发现和疾病研究，成为生物医药研究的重要工具，展现了AI在科学探索中的潜力。
延伸解读
从百万到两亿：数据库扩容意味着什么
AlphaFold DB此次与EMBL-EBI合作，将预测结构从近100万扩展到超过2亿，覆盖植物、细菌、动物等几乎所有已知蛋白质。这意味着UniProt中大多数蛋白质条目将附带预测结构，且全部可通过Google Cloud批量下载。对研究者而言，获取结构数据的门槛大幅降低，但需注意这些是预测模型而非实验解析结构，使用时应结合置信度评估。
实验与计算结合成为新常态
文章以核孔复合体为例，说明研究者用实验方法获取轮廓，再用AlphaFold预测补全和解读模糊区域。这种组合模式正变得常规，表明AI并非取代实验，而是与之互补。对实验室而言，这意味着工作流程可能调整：先利用预测结构缩小假设范围，再设计验证实验，从而节省数月甚至数年的试错时间。
被忽视疾病与药物发现的实际影响
AlphaFold已被用于被忽视热带病研究，如利什曼病、恰加斯病、麻风病和血吸虫病，并与DNDi合作推进药物研发。同时，它加速了药物发现，帮助理解新靶点蛋白并寻找结合分子。这些应用显示AI在资源匮乏领域也能产生直接社会效益，但文章未给出具体药物或临床进展，读者应关注后续验证。
结构搜索工具打开新可能
Foldseek和Dali等结构搜索工具让用户能快速查找与给定蛋白相似的条目，这可能是从大规模序列数据中挖掘有用蛋白的第一步，例如降解塑料的酶，或为蛋白功能提供线索。随着数据库扩展到2亿以上结构，这类搜索的覆盖面和潜在发现能力将进一步提升，但实际应用仍需实验验证。
Q&A
AlphaFold的主要功能是什么？
AlphaFold能够根据蛋白质的氨基酸序列预测其三维结构。
AlphaFold对生物医药研究有哪些影响？
AlphaFold加速了药物发现和疾病研究，成为生物医药研究的重要工具。
AlphaFold数据库的扩展将带来什么变化？
AlphaFold数据库将扩展至超过2亿种蛋白质结构，显著增加生物学的理解。
AlphaFold如何帮助解决遗传疾病？
AlphaFold的结构预测对研究稀有遗传疾病的原因至关重要，帮助生物学家和临床医生。
AlphaFold的预测速度有多快？
AlphaFold能够在几秒钟内预测蛋白质的三维结构，极大地提高了效率。
AlphaFold如何促进可持续发展和食品安全？
AlphaFold的结构预测可以帮助研究可持续发展和食品安全相关的问题。
