新一代AlphaFold登場！將推動下一個“數字生物學”時代到來？

顛覆生命科學的 AlphaFold 又更新了——

準確性顯著提高，覆蓋範圍從蛋白質擴展到其他生物分子，包括配體。

自 2020 年發佈以來，AlphaFold 已經顛覆了對蛋白質及其相互作用的理解方式，成爲了蛋白質研究領域的重要里程碑。

今天，Google DeepMind 在官方博客中表示，在他們和 Isomorphic 實驗室的共同努力下，AlphaFold 已經更新到了下一代，這將爲 AI 在生物科學中的應用打下更堅實的基礎。

據介紹，新一代 AlphaFold 模型可以預測蛋白質數據庫（PDB）中的幾乎所有分子，其預測精度可以達到原子級。

它不僅開啓了對多個關鍵生物大分子類別的全新理解，還顯著提升了預測準確性。這些生物大分子類別包括配體（小分子）、蛋白質、核酸（DNA 和 RNA）以及具有翻譯後修飾（PTM）的生物大分子，這些結構類型和複合物對於細胞內生物機制的理解至關重要。

Google DeepMind 稱，這一模型的擴展功能和性能將有助於加速生物醫學領域的突破，推動人類邁向下一個“數字生物學”時代。它爲疾病通路的功能研究、基因組學、生物可再生材料、植物免疫、潛在治療靶點、藥物設計機制以及蛋白質工程和合成生物學等領域提供了全新的見解和平臺。

AlphaFold 曾在單鏈蛋白質預測方面取得了根本性突破，AlphaFold-Multimer 已經擴展到多蛋白質鏈的複合物，AlphaFold2.3 不進提高了性能，也將覆蓋範圍擴大到更大的複合物。

2022 年，AlphaFold 與歐洲生物信息研究所（EMBL-EBI）合作，通過 AlphaFold 蛋白結構數據庫免費提供 AlphaFold 對科學界已知的幾乎所有編目蛋白質的結構預測。

迄今爲止，已有來自 190 多個國家的 140 萬用戶訪問了 AlphaFold 數據庫，世界各地的科學家利用 AlphaFold 的預測結果幫助推動了從加速新型瘧疾疫苗的研發、促進癌症藥物的發現到開發用於解決污染問題的食塑酶等各個方面的研究。

在此次研究中，Google DeepMind 展示了 AlphaFold 在預測蛋白質摺疊之外的精確結構方面的非凡能力，它可以對配體、蛋白質、核酸和翻譯後修飾進行高度精確的結構預測。

圖｜蛋白質配體複合物、蛋白質、核酸和共價修飾的性能

另外，AlphaFold 的應用還拓寬了藥物發現領域。

最新模型在與藥物發現相關的蛋白質結構問題上明顯超越 AlphaFold2.3 和行業標準，特別值得關注的是其在抗體結合預測方面的表現。

傳統方法使用剛性蛋白質結構和對接方法來預測蛋白質-配體結構，然而，新一代 AlphaFold 模型無需這些先驗信息，卻表現出更高準確性，重新定義了預測蛋白質-配體結構的標準，使得以前未知結構的蛋白質也可以被預測。

此外，該模型還具備聯合建模所有原子位置的能力，能夠更全面地揭示蛋白質和核酸與其他分子相互作用時的靈活性。

另外，在最新最近發佈的治療案例中，該模型預測的結構與案例實驗中測定的結構非常接近，其中包括抗癌分子的結合（PORCN）、關鍵癌症靶標的共價配體結合（KRAS），以及脂質激酶變構抑制劑（PI5P4Kγ）的結構預測。

圖｜PORCN 、KRAS 和 PI5P4Kγ 的結構預測，新 AlphaFold 模型預測部分爲彩色，案例實驗預測部分爲灰色

據介紹，Isomorphic Labs 正在將新一代 AlphaFold 模型應用於治療藥物設計，幫助快速、準確地描述對治療疾病非常重要的多種類型的大分子結構。

此外，經過蛋白質、配體、核酸以及翻譯後修飾結構的模擬解鎖，該模型可以爲基礎生物學研究提供更迅速和準確的工具。

例如，在 CasLambda 與 crRNA 以及 DNA 結合的結構中，CasLambda 共享 CRISPR-Cas9 系統的基因編輯能力，通常被稱爲“基因剪刀”，研究人員可以利用它來改變動植物和微生物的 DNA，而 CasLambda 的較小尺寸可能使其在基因編輯中更加有效。

圖｜CasLambda 與 crRNA 以及 DNA 結合的預測結構

新一代 AlphaFold 對此類複雜系統的建模能力表明，AI 可以幫助我們更好地理解這些類型的機制，並加快它們在治療方面的應用。

正如博客中所說的那樣，“谷歌新一代 AlphaFold 模型爲科學領域帶來了無限的潛力，將在更廣泛的自然界中提供更深刻的科學認識。這一巨大的進步預示着 AI 在生命科學中的前景廣闊，爲未來的科學探索提供了強大的支持。”