DeepMind 发布 AlphaFold，解决 50 年生物学重大挑战

DeepMind 这篇 2020 年 11 月 30 日发布的博客，由 AlphaFold 团队署名，记录了 AlphaFold 在第 14 届 CASP 蛋白质结构预测盲评中获得“问题已被解决”评价的过程。文章把蛋白质折叠问题追溯到 1972 年 Christian Anfinsen 的诺奖演说与 1969 年 Cyrus Levinthal 关于 10 的 300 次方种可能构象的悖论，说明从一维氨基酸序列推断三维结构为何困扰生物学界半个世纪。CASP 由 John Moult 与 Krzysztof Fidelis 在 1994 年发起，采用最新实验结构作为盲测靶标，是该领域公认的最严格评估。

AlphaFold 在 CASP14 的中位 GDT 得分达到 92.4，对应约 1.6 埃的原子级 RMSD 误差，在最难的自由建模类别仍维持 87.0 GDT。模型架构把蛋白质表示成残基为节点、近邻残基相连的空间图，端到端训练的注意力网络在多序列比对与残基对表示之间反复传递信息，迭代推断底层物理结构，并给出可信度置信值。训练数据约 17 万条来自 Protein Data Bank 的结构和大规模未知结构的序列数据库，所用算力约 16 块 TPUv3 跑数周，在当时大模型语境下并不算高。

对生物学读者而言，AlphaFold 的意义在于把结构预测从依赖核磁共振、X 射线晶体学、冷冻电镜的多年实验工作变成数日可得的计算结果。Max Planck 研究所的 Andrei Lupas 指出，AlphaFold 帮助他们解开了搁置近十年的膜信号传导蛋白结构。文章末尾提及 UniProt 已收录 1.8 亿条序列而 PDB 只覆盖约 17 万条结构，意味着 AI 有机会拓宽人类对未知蛋白质宇宙的视野，也为新药研发、酶设计、SARS-CoV-2 的 ORF3a 与 ORF8 结构预测等具体方向打开操作空间。