AlphaFold: 五年科学影响

AlphaFold 对生物学发现的影响

Google DeepMind 的 AlphaFold 通过解决蛋白质结构预测问题（这是生物学中一个 50 年的重大挑战）加速了生物发现的步伐。通过以高精度从氨基酸序列预测 3D 蛋白质结构，AlphaFold 将确定这些结构所需的时间从数年的实验工作缩短到几分钟的计算。

AlphaFold 蛋白质数据库及全球应用

该数据库于 2021 年与 EMBL-EBI 合作推出，AlphaFold 蛋白质数据库为研究社区提供了免费访问超过 2 亿个蛋白质结构预测的途径。如此规模的数据若通过实验方法解决，将需要数亿年。

关键采纳指标包括：

• 用户基础： 超过 300 万名研究者遍布超过 190 个国家。
• 可访问性： 超过 100 万用户位于低收入和中等收入国家。
• 研究重点： 超过 30% 的 AlphaFold 相关研究致力于理解疾病以惠及人类福祉。
• 学术影响： 该工具已被超过 35,000 篇论文引用，且有超过 200,000 篇论文在其方法中纳入了 AlphaFold 2。

健康与保护领域的实际应用

心脏病研究

研究人员使用 AlphaFold 2 揭示了载脂蛋白 B100（apoB100）的复杂笼状结构，这是 LDL（“坏胆固醇”）中的核心蛋白质。这种原子级蓝图对于设计动脉粥样硬化的新预防性心脏疗法至关重要。

传粉者保护

在欧洲，科学家们应用 AlphaFold 来理解 Vitellogenin（Vg），这是蜜蜂中的关键免疫蛋白。这些见解正在指导 AI 辅助的育种计划，以培育更具韧性的蜜蜂种群。

农业韧性

在苏黎世大学和赛恩斯伯里实验室，研究人员使用 AlphaFold 和比较基因组学来理解植物如何感知环境变化，从而加速了更具韧性作物的开发。

对科学方法论的定量影响

创新增长实验室的独立分析表明，AlphaFold 2 从根本上改变了研究者结构生物学的研究方法：

• 实验创新： 使用 AlphaFold 2 的研究人员在提交新颖实验蛋白质结构方面增加了超过 40%。
• 探索： 新结构更可能与已知结构不相似，鼓励探索未知的科学领域。
• 临床与商业价值： 与 AlphaFold 2 相关的研究在临床文章中被引用的可能性是典型结构生物学研究的两倍，并且在专利中被引用的可能性也显著更高。

迈向数字生物学的演变：AlphaFold 3 及以后

DeepMind 通过开发 AlphaFold 3 和创建用于理性药物设计的同构实验室（Isomorphic Labs），扩展了人工智能在生物学中的应用范围。

AlphaFold 3 的能力

AlphaFold 3 超越蛋白质，预测所有生命分子的结构和相互作用，包括：

• DNA 和 RNA
• 配体（构成大多数药物的小分子）
• 整个分子复合物的联合 3D 结构

AlphaFold 服务器已使非商业研究人员能够执行超过 800 万次折叠以测试新假设。

扩展人工智能生态系统

借鉴 AlphaFold 的模板，DeepMind 推出了其他专门模型：

• AlphaMissense： 用于评估导致疾病的遗传突变。
• AlphaGenome： 专注于更好地理解基因组。
• AlphaProteo： 旨在为与糖尿病和癌症相关的靶点生成新颖的高强度蛋白质结合剂。