这周，AlphaFold 再登Nature，封面！ 6park.com

距离上次「双登」Nature也就一个月。
翻开Nature，又看到了熟悉的文章。这不是7月刷屏科研圈的2篇论文吗！
题目还长得挺像，都是说「用AlphaFold准确预测蛋白质」。 6park.com

同样在这周Nature期刊上，还有一篇题为《蛋白质结构预测的革命性变化》的社论文章，说明了AlphaFold的重要意义。 6park.com

DeepMind研究人员描述了AlphaFold神经网络的最近更新。
有人说，AlphaFold2 足以改变全人类。不可小觑的是，AlphaFold确实是学术界「海啸级」的存在。
AlphaFold 2开源，98.5%人类蛋白全预测
要知道，当年AlphaFold2横空出世，那是真·沸腾了学术圈。
不仅谷歌CEO皮猜、马斯克、李飞飞等大V纷纷点赞，连马普所的演化生物研究所所长Andrei Lupas都直言：「它会改变一切。」
7月15日，DeepMind在Nature上发表了一篇论文，开源了其基于深度学习神经网络的AlphaFold 2模型。 6park.com

同天，Science上，华盛顿大学也发表了自己开发的蛋白质预测工 RoseTTAFold。
RoseTTAFold不仅性能上和AlphaFold 2相当，预测蛋白质结构也「快、狠、准」。
AlphaFold2开源仅一周后，DeepMind震撼发布AlphaFold数据集，再次引爆科研圈！
文章描述了AlphaFold对人类蛋白质组的结构预测，覆盖了98.5%的所有人类蛋白质组，还对20种其它生物蛋白质的结构进行了预测。 6park.com

公布了他们已经使用AlphaFold工具预测的来自人类和20种其他生物共350000种蛋白质的结构，例如大肠杆菌、酵母菌和果蝇等等。 6park.com
果蝇蛋白质3D结构示意图
蛋白质的 3D 结构在很大程度上决定了它的功能，通过研究蛋白质的3D结构，生物学家不仅可以更加快速地研发出针对各类疾病的药物，甚至能够揭开生命之谜。
AI模型预测蛋白质结构，解密生命系统的物质基础
蛋白质结构究竟有多重要？所有生物都由蛋白质构成。
要想从分子水平上了解蛋白质的作用机制，就需要精确了解蛋白质的3D结构。
要知道，蛋白质只有正确折叠为特定的3D构型，才能发挥相应的生物学功能。 6park.com

然而，破解蛋白质折叠问题、探明蛋白质分子的三维结构却是个大难题。
随着人工智能时代的来临，解决蛋白质三维结构预测这一难题有了新思路、新方法！
借助机器学习的方法，可开发AI模型预测蛋白质的精确3D原子结构。
2018年，AlphaFold在国际蛋白质结构预测竞赛（CASP）上首次亮相，在98只参赛队伍中排名第一！
而第二代AlphaFold的突破在于，预测所有原子的3D结构，更快更准确地预测出蛋白质结构。 6park.com

目前，DeepMind团队将 AlphaFold 应用到 20,296 种蛋白质，占人类蛋白质组的 98.5%。
AlphaFold几乎是预测了人类蛋白质组里以单个蛋白为单位的空间三维结构，而且结果相当精确！这本身就是结构生物学上的一大突破。
而且，明晰蛋白质结构可以进一步推动生命学科的研究。
比如，遗传学家可以弄明白某个突变对蛋白功能的影响，药物开发人员可以借助蛋白质结构预测确定酶的活性位点，环境保护专家则在思索如何利用AlphaFold 2开发新的酶来降解塑料…… 6park.com

对一个超过2千残基的病毒RNA聚合酶的预测
当然，研究人员必定会对AlphaFold 2进一步优化，我们也期待看到将AlphaFold应用到预测蛋白质复合体、蛋白质和小分子的复合物上。