DeepMind 发布 AlphaFold 破解生物学重大难题

这篇 2022 年 7 月的博客记录 AlphaFold 在结构生物学中的一次具体落地：哈佛医学院 Wu Lab 的博士后 Pietro Fontana 与加州大学伯克利分校的 Alexander Tong 合作，借助 AlphaFold 拼出人类细胞核孔复合物 nuclear pore complex 细胞质环的近完整模型，相关结果发表于 Science。核孔复合物由 30 余种核孔蛋白 nucleoporins 组成，整体含千余个亚基彼此交织，被称为人类细胞中体量最大的分子机器之一，长期以来是结构生物学最难拼的拼图之一。

AlphaFold 2019 年由 DeepMind 发布，可对单条蛋白链给出原子级结构预测；本次工作中，Fontana 团队用它预测了大量此前结构未知的 nucleoporin 子单元，再把这些预测结构与已有冷冻电镜密度图拟合，最终复原出细胞质环的整体构象。Fontana 在文中直言 AlphaFold "彻底改变了结构生物学的范式"，因为模型让原本需要数年逐个解析的子结构在数天内可得。核孔复合物之所以重要，是因为它是细胞核与细胞质之间所有物质进出的守门人，对肌萎缩侧索硬化症 ALS 等神经退行性疾病的机制研究具有直接意义；拼出完整结构意味着研究者可以在分子层面追问"什么进出、为何卡住"。

对读者而言，这篇文章属于应用复盘，记录 AlphaFold 进入湿实验室工作流后的一次具体战果，没有发布新模型权重或新基准。AlphaFold 数据库在文章发表时已上线，覆盖近乎全部已知蛋白；本文展示了在数据库之外的"未解结构组装"场景，AlphaFold 仍能补全冷冻电镜密度图中模糊或缺失的区域，与实验数据交叉验证。对结构生物学家而言，这意味着实验设计的重心可以从"逐个解析子结构"转向"在大型机器上验证 AI 提出的拼装假设"，相当于把研究的瓶颈从产能挪到了优先级判断。