DeepMind新⼀代AlphaFold登场！超越蛋⽩质折叠，将推动下⼀个“数字⽣物学”时代到来？
准确性显著提⾼，覆盖范围从蛋⽩质扩展到其他⽣物分⼦，包括配体。⾃2020年发布以来，AlphaFold已经颠覆了对蛋⽩质及其相互作⽤的理解⽅式，成为了蛋⽩质研究领域的重要⾥程碑。今天，Google DeepMind在官⽅博客中表示，在他们和Isomorphic实验室的共同努⼒下，AlphaFold已经更新到了下⼀代，这将为AI在⽣物科学中的应⽤打下更坚实的基础。
据介绍，新⼀代AlphaFold模型可以预测蛋⽩质数据库（PDB）中的⼏乎所有分⼦，其预测精度可以达到原⼦级。它不仅开启了对多个关键⽣物⼤分⼦类别的全新理解，还显著提升了预测准确性。这些⽣物⼤分⼦类别包括配体（⼩分⼦）、蛋⽩质、核酸（DNA和RNA）以及具有翻译后修饰（PTM）的⽣物⼤分⼦，这些结构类型和复合物对于细胞内⽣物机制的理解⾄关重要。
Google DeepMind称，这⼀模型的扩展功能和性能将有助于加速⽣物医学领域的突破，推动⼈类迈向下⼀个“数字⽣物学”时代。它为疾病通路的功能研究、基因组学、⽣物可再⽣材料、植物免疫、潜在治疗靶点、药物设计机制以及蛋⽩质⼯程和合成⽣物学等领域提供了全新的⻅解和平台。
AlphaFold曾在单链蛋⽩质预测⽅⾯取得了根本性突破，AlphaFold-Multimer已经扩展到多蛋⽩质链的复合物，AlphaFold2.3不进提⾼了性能，也将覆盖范围扩⼤到更⼤的复合物。2022年，AlphaFold与欧洲⽣物信息研究所（EMBL-EBI）合作，通过AlphaFold蛋⽩结构数据库免费提供AlphaFold对科学界已知的⼏乎所有编⽬蛋⽩质的结构预测。
迄今为⽌，已有来⾃190多个国家的140万⽤户访问了AlphaFold数据库，世界各地的科学家利⽤AlphaFold的预测结果帮助推动了从加速新型疟疾疫苗的研发、促进癌症药物的发现到开发⽤于解决污染问题的⻝塑酶等各个⽅⾯的研究。
在此次研究中，Google DeepMind展示了AlphaFold在预测蛋⽩质折叠之外的精确结构⽅⾯的⾮凡能⼒，它可以对配体、蛋⽩质、核酸和翻译后修饰进⾏⾼度精确的结构预测。另外，AlphaFold的应⽤还拓宽了药物发现领域。最新模型在与药物发现相关的蛋⽩质结构问题上明显超越AlphaFold2.3和⾏业标准，特别值得关注的是其在抗体结合预测⽅⾯的表现。
传统⽅法使⽤刚性蛋⽩质结构和对接⽅法来预测蛋⽩质-配体结构，然⽽，新⼀代AlphaFold模型⽆需这些先验信息，却表现出更⾼准确性，重新定义了预测蛋⽩质-配体结构的标准，使得以前未知结构的蛋⽩质也可以被预测。
此外，该模型还具备联合建模所有原⼦位置的能⼒，能够更全⾯地揭示蛋⽩质和核酸与其他分⼦相互作⽤时的灵活性。另外，在最新最近发布的治疗案例中，该模型预测的结构与案例实验中测定的结构⾮常接近，其中包括抗癌分⼦的结合（PORCN）、关键癌症靶标的共价配体结合（KRAS），以及脂质激酶变构抑制剂（PI5P4Kγ）的结构预测。
据介绍，Isomorphic Labs正在将新⼀代AlphaFold模型应⽤于治疗药物设计，帮助快速、准确地描述对治疗疾病⾮常重要的多种类型的⼤分⼦结构。此外，经过蛋⽩质、配体、核酸以及翻译后修饰结构的模拟解锁，该模型可以为基础⽣物学研究提供更迅速和准确的⼯具。
例如，在CasLambda与crRNA以及DNA结合的结构中，CasLambda共享CRISPR-Cas9系统的基因编辑能⼒，通常被称为“基因剪⼑”，研究⼈员可以利⽤它来改变动植物和微⽣物的DNA，⽽CasLambda的较⼩尺⼨可能使其在基因编辑中更加有效。
新⼀代AlphaFold对此类复杂系统的建模能⼒表明，AI可以帮助我们更好地理解这些类型的机制，并加快它们在治疗⽅⾯的应⽤。正如博客中所说的那样，“⾕歌新⼀代AlphaFold模型为科学领域带来了⽆限的潜⼒，将在更⼴泛的⾃然界中提供更深刻的科学认识。这⼀巨⼤的进步预示着AI在⽣命科学中的前景⼴阔，为未来的科学探索提供了强⼤的⽀持。”