北京
2021年，当AlphaFold刚刚面世时，生物物理学家、西湖大学校长施一公曾告诉 DeepTech：“依我之见，这是人工智能对科学领域最大的一次贡献，也是人类在 21 世纪取得的最重要的科学突破之一。”几年后的2024年，Google DeepMind的CEO兼联合创始人Demis Hassabis以及DeepMind高级研究员John Jumper凭借AlphaFold与他人共同分享2024年诺贝尔化学奖。
蛋白质是有机体内细胞的关键构成部分，也被称为支撑生命正常运转的基石。它具有一定的形状和空间结构，且形状与功能之间有密切的联系。因此，只有深入了解蛋白质结构，才能更好地掌握原理和功能，进一步推动生物科学的发展。以前，研究人员需要付出几个月或几年的时间和精力，才能弄清蛋白质的结构。如今，在AlphaFold的帮助之下几秒钟内就能完成。
自推出以来，AlphaFold已经得到了广泛应用。近日，在Google 举行的媒体分享会上，来自Google DeepMind 的产品经理 Dhavi Patel展示了AlphaFold 在蛋白质结构预测及生命科学领域的应用。
据悉，AlphaFold 在全球 190 多个国家拥有超过 250 万用户，在亚太地区的用户总数已突破 100 万占全球用户总量的三分之一以上。从基础研究到实际应用，AlphaFold 展现出人工智能技术对生命科学的深远影响。2024 年 10 月，AlphaFold 获得诺贝尔化学奖，充分彰显了其在科学界的重大价值。据统计，AlphaFold 的普及应用已潜在地节省了数百万美元的科研经费，同时极大的缩短了科研时间。
Dhavi Patel 在会上分享了 AlphaFold 的研发历程与核心理念。蛋白质作为生命活动的核心执行者，其三维结构解析曾是一项耗时费力的工作。以人类血红蛋白为例，科学家花费了 20 年时间才确定其结构。AlphaFold 的出现彻底改变了这一局面，仅需输入氨基酸序列，便能在几分钟内生成准确、高质量的蛋白质结构预测。2020 年，AlphaFold2 在蛋白质结构预测国际竞赛 CASP 中达到原子级别的准确度，预测结构的质量与实验确定的结构非常接近被组委会认定为解决了蛋白质结构预测问题。2021 年，谷歌 DeepMind 与欧洲生物信息学研究所合作，免费开放了包含 2 亿种蛋白质结构（覆盖了几乎所有已知的蛋白质序列）的数据库。
AlphaFold 的应用已渗透至多个重要领域。在粮食安全方面，研究人员利用 AlphaFold 解析水稻磷酸化相关蛋白结构，为培育抗旱抗病水稻品种提供了关键支持，直接助力联合国"零饥饿"目标；
在生态保护领域，研究者通过 AlphaFold 首次建模蜜蜂关键免疫蛋白 Vitellogenin，将原本需要数年的研究周期缩短至数日，这一成果还可延伸至青蛙、海龟等濒危物种的保护研究；
在医学领域，来自新加坡科技研究局代表介绍了他们是如何借助 AlphaFold 揭示了帕金森病患者体内 STIP1 蛋白与异常抗体的相互作用机制，为疾病早期诊断提供了新思路。
在中国，已有超过 432 万名科研人员使用 AlphaFold 数据库，应用场景涵盖蛋白质结构预测、模型优化及折叠路径研究等多个领域。
AlphaFold 3 则将预测范围扩展至蛋白质、DNA、RNA、配体及离子。为方便科研人员使用，AlphaFold Server平台可以让用户可通过简单操作在几分钟内获得所需分子的结构预测。目前，AlphaFold 已经帮助数百万研究人员解答了生物学领域的紧迫问题，涵盖抗疟疾疫苗开发、塑料降解酶设计等前沿课题。当全球研究人员越来越多地使用这一强大工具时，人类可能会在理解和治疗疾病方面取得前所未有的进展。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
