AlphaFold预测的蛋白结构，已被一些研究引用（图片来源：DeepMind）

蛋白质这类大型生物分子，是由氨基酸按照一定顺序连接起来，再折叠成有功能的立体结构。但根据氨基酸的排列顺序，预测出蛋白质的三维结构，是困扰学界几十年的难题。从2020年起，DeepMind团队开发的深度学习算法AlphaFold，能以前所未有的准确度预测氨基酸序列折叠成的蛋白质结构。今年7月28日，DeepMind透露，AlphaFold已预测出超过2亿种蛋白质的结构，几乎涵盖科学界已知的所有蛋白质。团队宣布将公开发表这些蛋白质的结构。

蛋白质的功能，很大程度上取决于它的三维结构。当人们知道一种蛋白质的结构，就可以开始了解它的功能，并探索如何控制它的功能。例如，在一项有关疟疾的研究中，牛津大学的科学家锁定了疟原虫表面的一种蛋白质Pfs48/45。为了开发疫苗，阻止寄生虫感染人体细胞，他们需要知道蛋白质的结构。但X射线只能返回模糊的图像。而AlphaFold利用蛋白质的序列预测出它的结构，科学家根据预测结果找出了抗体可能结合的位置。去年夏天，DeepMind与欧洲生物信息研究所（EMBL-EBI）合作，发布AlphaFold预测的蛋白结构数据库，包含超过35万种蛋白结构。如今，团队将把数据中的蛋白结构增加到2亿种以上。不过，AlphaFold只能根据实验室已测定的蛋白质结构，预测其他蛋白质的结构，无法直接模拟任意氨基酸序列的折叠方式；并且，鉴于分子间复杂的相互作用，AI给出的结果在一些不稳定或不可预测的蛋白质当中也未必可用。科学家还有很长的路要走。