允中 發自 凹非寺
量子位 | 公眾號 QbitAI

近日，在Google 舉行的媒體分享會上，來自Google DeepMind 的產品經理 Dhavi Patel展示了AlphaFold 在蛋白質結構預測及生命科學領域的應用。

據悉，AlphaFold 在全球 190 多個國家擁有超過 250 萬用戶，在亞太地區的用戶總數已突破 100 萬——占全球用戶總量的三分之一以上。從基礎研究到實際應用，AlphaFold 展現出人工智能技術對生命科學的深遠影響。2024 年 10 月，AlphaFold 獲得諾貝爾化學獎，充分彰顯了其在科學界的重大價值。據統計，AlphaFold 的普及應用已潛在地節省了數百萬美元的科研經費，同時極大的縮短了科研時間。

Dhavi Patel 在會上分享了 AlphaFold 的研發歷程與核心理念。蛋白質作為生命活動的核心執行者，其三維結構解析曾是一項耗時費力的工作。以人類血紅蛋白為例，科學家花費了 20 年時間才確定其結構。AlphaFold 的出現徹底改變了這一局面，僅需輸入氨基酸序列，便能在幾分鐘內生成準確、高質量的蛋白質結構預測。2020 年，AlphaFold2 在蛋白質結構預測國際競賽 CASP 中達到原子級別的準確度，預測結構的質量與實驗確定的結構非常接近被組委會認定為解決了蛋白質結構預測問題。2021 年，谷歌 DeepMind 與歐洲生物信息學研究所合作，免費開放了包含 2 億種蛋白質結構（覆蓋了幾乎所有已知的蛋白質序列）的數據庫。

AlphaFold 的應用已滲透至多個重要領域。在糧食安全方面，研究人員利用 AlphaFold 解析水稻磷酸化相關蛋白結構，為培育抗旱抗病水稻品種提供了關鍵支持，直接助力聯合國"零饑餓"目標；

在生態保護領域，研究者通過 AlphaFold 首次建模蜜蜂關鍵免疫蛋白 Vitellogenin，將原本需要數年的研究周期縮短至數日，這一成果還可延伸至青蛙、海龜等瀕危物種的保護研究；

在醫學領域，來自新加坡科技研究局代表介紹了他們是如何借助 AlphaFold 揭示了帕金森病患者體內 STIP1 蛋白與異常抗體的相互作用機制，為疾病早期診斷提供了新思路。

在中國，已有超過 43.2 萬名科研人員使用 AlphaFold 數據庫，應用場景涵蓋蛋白質結構預測、模型優化及折疊路徑研究等多個領域。

AlphaFold 3 則將預測范圍擴展至蛋白質、DNA、RNA、配體及離子。為方便科研人員使用，AlphaFold Server平臺可以讓用戶可通過簡單操作在幾分鐘內獲得所需分子的結構預測。目前，AlphaFold 已經幫助數百萬研究人員解答了生物學領域的緊迫問題，涵蓋抗瘧疾疫苗開發、塑料降解酶設計等前沿課題。