【原】Nature | AlphaFold预测98.5%人类蛋白结构，科学研究新范式

DrugAI 2022-04-19

展开全文

2021年7月15日，DeepMind团队在Nature杂志上发表了文章"Highly accurate protein structure prediction with AlphaFold"，描述了AlphaFold2是一个基于神经网络的全新设计的AlphaFold版本，其预测的蛋白质结构能达到原子水平的准确度。

2021年7月22日，DeepMind团队再次在Nature发表了文章Highly accurate protein structure prediction for the human proteome，描述了AlphaFold对人类蛋白质组（人类基因组编码的所有蛋白质的集合）的准确结构预测。由此得到的数据集涵盖了人类蛋白质组近60%氨基酸的结构位置预测，且预测结果具有可信度。预测信息将通过欧洲生物信息研究所（EMBL-EBI）托管的公用数据库免费向公众开放。

Nature丨AlphaFold2带着源码来了，开启AI生命科学的新时代

2021年7月22日，DeepMind团队与欧洲生物信息学研究所合作| EMBL-EBI推出 AlphaFold 蛋白质结构数据库。它提供了迄今为止人类蛋白质组最完整、最准确的图片，是人类积累的高精度人类蛋白质结构知识的两倍多。

除了人类蛋白质组(人类基因组表达的所有约 20,000 种蛋白质)之外，还提供了对 20 种其他具有生物学意义的生物体的蛋白质组的访问，总计超过 35 万种蛋白质结构。在接下来的几个月里，计划将覆盖范围扩大到几乎所有科学已知的已测序蛋白质 - 超过 1 亿个结构覆盖 UniProt 参考数据库的大部分，这是名副其实的世界蛋白质年鉴。

通过DeepMind团队与EMBL-EBI的早期合作，已经看到了在他们自己的工作中使用 AlphaFold 的研究人员发出的有希望的信号。而这只是希望的结构生物信息学革命的开始;随着 AlphaFold 的问世，现在有大量数据等待转化为未来的进步。

AlphaFold 已经在帮助科学家加速发现

根据蛋白质的氨基酸序列以计算方式预测蛋白质形状的能力,已经帮助科学家在几个月内实现了以前需要通过多年艰苦、费力且通常成本高昂的技术通过实验确定蛋白结构。

“AlphaFold 数据库是开放科学良性循环的完美例子，”EMBL 总干事 Edith Heard 说。“AlphaFold 是使用科学界建立的公共资源中的数据进行训练的，因此它的预测公开是有意义的。公开、自由地分享 AlphaFold 预测将使世界各地的研究人员能够获得新的见解并推动发现。Edith Heard相信 AlphaFold 确实是生命科学领域的一场革命，就像几十年前的基因组学一样，他很自豪 EMBL 能够帮助 DeepMind 实现对这一非凡资源的开放访问。”

AlphaFold 蛋白质结构数据库

https://alphafold./

该AlphaFold蛋白质结构数据库建立在国际科学界的许多贡献，以及AlphaFold的复杂算法的创新和EMBL-EBI的几十年的经验分享世界上的生物数据。DeepMind 和 EMBL 的欧洲生物信息学研究所 (EMBL-EBI) 正在提供对 AlphaFold 预测的访问，以便其他人可以使用该系统作为工具来实现和加速研究，并开辟全新的科学发现途径。

“这将是自人类基因组映射以来最重要的数据集之一，”EMBL 副总干事和 EMBL-EBI 主任 Ewan Birney 说。“让国际科学界可以使用 AlphaFold 预测开辟了许多新的研究途径，从被忽视的疾病到用于生物技术的新酶，以及介于两者之间的一切。这是一个伟大的新科学工具，它补充了现有技术，将使我们能够突破我们对世界的理解。”

除了人类蛋白质组之外，该数据库还推出了约 350,000 个结构，包括 20 种具有生物学意义的生物，如大肠杆菌、果蝇、小鼠、斑马鱼、疟疾寄生虫和结核病细菌。对这些生物的研究一直是无数研究论文和众多重大突破的主题。这些结构将使各个领域的研究人员——从神经科学到医学——能够加速他们的工作。