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！
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。
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— 完 —
量子位 QbitAI · 頭條號簽約