维多利亚老品牌vic-官方网站

　　蛋白质是大多数生理活动的承载者★★★✿，它由长而独特的氨基酸链组成★★★✿，精确折叠成三维结构★★★✿。结构基本定义了蛋白质的功能★★★✿，因此了解其结构对于药物发现和疾病理解至关重要★★★✿。

　　如果蛋白质折叠错误★★★✿，轻则失去功能★★★✿，重则直接导致疾病产生★★★✿，如阿尔茨海默病和帕金森病等疾病★★★✿。然而数十年来★★★✿，确定这些结构一直是一项艰巨的任务★★★✿。

　　在2020年CASP 14蛋白质结构预测竞赛中★★★✿，AlphaFold 2仅凭氨基酸序列就以惊人的准确度预测了蛋白质的结构★★★✿，这一成就解决了一个生物学上50年重大挑战★★★✿，被视为科学人工智能的真正诞生★★★✿。

　　随后★★★✿，DeepMind与欧洲生物信息研究所（EMBL-EBI）合作推出了AlphaFold蛋白质结构数据库★★★✿，并向全球免费开放★★★✿，AlphaFold一举成为全球科学工具★★★✿。

　　2023年DeepMind进一步推出AlphaFold3★★★✿，该模型可以预测生命中所有分子的结构和相互作用——不仅是蛋白质★★★✿，还有DNA★★★✿、RNA和配体（构成大多数药物的小分子）★★★✿。它还能生成整个分子复合物的关节三维结构★★★✿，从而全面了解潜在药物分子如何与其目标蛋白结合★★★✿，或蛋白质如何与遗传物质相互作用★★★✿。

　　如今★★★✿，AlphaFold蛋白质数据库包括了超过2.4亿个蛋白质结构的预测★★★✿，实现了原本需要数亿年实验解决的问题★★★✿。该数据库已被190多个国家的300多万名研究人员使用★★★✿，其中包100多万低收入和中等收入国家的用户★★★✿。超过30%的AlphaFold相关研究聚焦于更好地理解疾病★★★✿，从而造福人类福祉★★★✿。

　　AlphaFold显著提升了科学家新发现的速度★★★✿。一项其影响力对比试验显示★★★✿，使用AlphaFold的研究人员向蛋白质数据银行（PDB★★★✿，一个实验性蛋白质结构模型数据库）提交的蛋白质结构数量★★★✿，比不使用AlphaFold的基准组结构生物学研究人员多约50%★★★✿。

　　此外★★★✿，与使用人工智能★★★✿、结构生物学及蛋白质结构预测领域其他前沿方法的研究人员相比★★★✿，使用AlphaFold2的研究人员向PDB提交结构的比例也更高★★★✿。

　　根据《自然》杂志的介绍★★★✿，维也纳分子病理学研究所的生物化学家安德里亚・保利（Andrea Pauli）的经历很具代表性★★★✿。在一项研究中★★★✿，他借助AlphaFold找到了一条原本可能永远无法找到的研究路径★★★✿。他在斑马鱼（Danio rerio）卵子研究中发现了一种名为Bouncer的蛋白质★★★✿，这种蛋白质对受精过程至关重要★★★✿，但他始终难以弄清Bouncer蛋白是如何识别精子细胞的★★★✿。恰在此时★★★✿，AlphaFold2横空出世★★★✿，根据其预测显示★★★✿，一种名为Tmem81的蛋白质能稳定另外两种精子蛋白形成的复合物★★★✿，并为Bouncer蛋白创造一个结合位点★★★✿。后续实验证实了该工具的预测结果★★★✿。“AlphaFold加速了发现进程★★★✿，”保利说★★★✿，“我们的每个项目都会用到它★★★✿。”

　　保利在其论文中引用了《自然》杂志介绍AlphaFold2的文章★★★✿，该篇文章的引用量目前已近4万★★★✿。此外★★★✿，超过200000篇论文将AlphaFold 2的元素纳入其方法论★★★✿。这些数据足以证明AlphaFold对科学界的影响★★★✿。

　　截止目前★★★✿，AlphaFold服务器已经帮助全球数千名研究人员实现了超过800万次结构和相互作用的预测★★★✿。它正在赋能全球非商业研究人员利用这项技术★★★✿，加速他们构建和测试新假设的能力★★★✿。

　　AlphaFold2能迅速产生影响★★★✿，部分原因在于它的易获取性★★★✿，开源让研究人员很快就能自行大规模运行这款软件★★★✿，并运用于多个领域★★★✿。比如牛津大学团队利用它预测疟疾关键蛋白Pfs48/45的全长结构★★★✿，为新型疫苗设计提供参考★★★✿；马耳他大学科学家通过它模拟罕见基因变异的蛋白质结构★★★✿，助力早发性家族性骨质疏松症的遗传因素识别等★★★✿。

　　同时★★★✿，它还运用于追溯蛋白质演化★★★✿、优化塑料降解酶等方面的研究★★★✿。总之★★★✿，AlphaFold已成为全球科研人员依赖的基础工具★★★✿。

　　其中★★★✿，又以对药物设计与筛选方面的影响最为突出★★★✿。AlphaFold 3提供了前所未有的细胞视角★★★✿，将推动药物发现过程的转变★★★✿，并开启“数字生物学”时代★★★✿。

　　早在2021年★★★✿，DeepMind就拆分成立了Isomorphic Labs★★★✿，其核心目标是借助人工智能革新药物研发模式★★★✿，其开发的药物设计引擎覆盖药物发现全生命周期★★★✿，能完成小分子设计★★★✿、虚拟筛选★★★✿、结构优化等可工程化的研发流程★★★✿，可将药物发现阶段的成本削减30 - 40%★★★✿，周期缩短一年以上★★★✿。目前★★★✿，Isomorphic Labs已与多家大型药企达成合作★★★✿，合同金额已达数十亿美元★★★✿。

　　AlphaFold的成功★★★✿，启发了一系列相关模型的诞生★★★✿，为人工智能在科学研究领域的应用开辟了广阔的道路★★★✿。

　　AlphaGenome是一个全新的DNA序列模型★★★✿，为解读人类基因非编码序列的功能提供了新的视角和工具★★★✿。AlphaMissense则专注于预测人类基因组中错义突变的致病性★★★✿。它们可以利用人工智能评估导致疾病的基因突变★★★✿。

　　AlphaProteo模型可以设计出新型高强度蛋白质结合剂★★★✿，靶向包括与癌症和糖尿病相关的多种分子★★★✿。这些模型正在加深我们对复杂疾病的理解★★★✿，最终推动新疗法的发展★★★✿。

　　更重要的是★★★✿，科学家正将AI赋能各学科★★★✿，从核聚变★★★✿、地球科学到整体科学发现★★★✿，追求下一个类似AlphaFold的突破★★★✿。AlphaFold是这股潮流的引领者★★★✿，必将在人类科学事业中留下浓重的一笔★★★✿。