AlphaFold預測了幾乎所有已知蛋白質！涵蓋2.14億結構開放免費用

明敏 發自 凹非寺

量子位 | 公眾號 QbitAI

全世界幾乎所有已知蛋白質結構，都被AlphaFold預測出來了！

在預測出人類98。2%蛋白質一年後，DeepMind的重磅成果再次引爆學術界。

包括

植物、細菌、真菌

在內的

100萬

個物種、

2.14億

個蛋白質結構，現在都增加到了資料集中。

其中

80%

結構的可信度達到了足以支撐研究實驗的水平，更有

35%

達到了高置信度。

而且這些資料全部

免費開放

！

DeepMind表示，以後查詢蛋白質結構，會像使用搜索引擎一樣簡單。

創始人哈撒比斯發推激動地說：

這是我們給全人類的一份禮物。

整個科研圈也再次被點燃，網友紛紛表示：難以置信，感謝開放資料集！

難以想象這會為藥物研發帶來什麼！

像用搜索引擎一樣查詢蛋白質

這次資料集更新，主要增加了植物、細菌、動物和其他生物的蛋白質結構。

去年7月，AlphaFold資料集釋出了人類98。5%的蛋白質結構，以及包含大腸桿菌、果蠅、小鼠等20個科研常用生物的蛋白質組資料。

資料集規模從之前的35萬個蛋白質結構，一下子提升到了大約

2.14億

個。

DeepMind創始人哈撒比斯表示，這基本上可以說是“整個蛋白質宇宙”了。

這意味著更多領域的研究可以被大幅提速。

斯克裡普斯研究轉化所創始人Eric Topol表示：

過去確定蛋白質3D結構往往需要數月或數年，而現在只用幾秒鐘。

要知道，蛋白質作為生命活動的基石，其相關研究對藥物研發、疾病攻克、食品工程、農業、工業等領域都有重要影響。

但是蛋白質的研究卻非常複雜。

因為其功能由結構決定，而其3D結構又是由氨基酸以脫水縮合的方式組成多肽鏈，多肽鏈再盤曲摺疊而成。

也就是說，即使科學家們已知了蛋白質的氨基酸序列，可能的3D結構情況仍舊非常多。

假設一個蛋白質由100個氨基酸序列組成，那麼它可能的3D結構情況將多達

2的100次方

個。

過去很長一段時間裡，蛋白質預測工作主要透過科學家手動完成，比如施一公院士，就是用冷凍電鏡預測蛋白質結構的頂級專家。

計算機雖然也能預測蛋白質結構，但是其準確性始終不高。

而這一局面，隨著AlphaFold2的誕生後開始發生變化。

2020年12月，AlphaFold2在CASP14（蛋白質結構預測比賽）中的成績，達到了史無前例的

92.4/100

。

和

蛋白質真實結構之間只差一個原子的寬度

，真正解決了蛋白質摺疊的問題。

在此半年後，DeepMind先後開源AlphaFold2、AlphaFold資料集，可謂是在學術圈扔下了一記重磅炸彈。

2021年底，Nature將AlphaFold2預測人類98。5%的蛋白質並開源資料庫列入

年度十大科學事件

。

專案領隊John Jumper也因此入選年度十大人物。

已有50多萬學者訪問過資料庫

DeepMind最新公佈資料顯示，目前全球已經有190多個國家/地區、50多萬名研究人員訪問過AlphaFold資料集。

而學者們利用AlphaFold開展研究的成果也已經開始顯現。

最近，發表在Science上的一篇研究表明，他們利用AlphaFold拼出了

核孔複合體

。

這個結構由數百個蛋白質組成，控制著細胞核的物質進出，其相關研究是生物領域內的重點課題。

在AlphaFold的輔助下，該團隊預測出了這一結構中一些未知區域。

△黃色部分表示新預測結構

DNDi（被忽視疾病藥物開發組織）也曾表示，AlphaFold2推動了他們在熱帶疾病藥物開發方面的研究。

朴茨茅斯大學酶創新中心（CEI）則利用AlphaFold2開發一些新的酶，可以用來降解汙染環境的一次性塑膠。

此外，過去一年來不少學術機構都在開展AlphaFold的相關研究，以使得這一工具能夠讓更多學者便捷使用。

前不久，哥倫比亞大學釋出了首個AlphaFold2完整復刻版模型，採用PyTorch框架。

與此同時，計算生物行業也成為了人們關注的焦點，不少公司都在推出相關業務。

或許正如網友所說，世界正在因此而改變。

參考連結：

［1］https：//www。deepmind。com/blog/alphafold-reveals-the-structure-of-the-protein-universe

［2］https：//news。ycombinator。com/item？id=32262856

［3］https：//www。nature。com/articles/d41586-022-02083-2