A行业级
AlphaFold 破解蛋白质结构预测
CASP14 上接近实验精度的蛋白质结构预测
已核验1可追溯来源
AlphaFold 2 在 CASP14 的多数目标上达到接近实验结构的精度，把大量蛋白质的计算预测从研究难题变成可用工具。
发生了什么
模型结合多序列比对、残基对表示和结构模块，直接预测原子坐标与置信度。2021 年代码公开，AlphaFold DB 随后扩展到超过 2 亿个预测结构。它预测静态结构，并不等于完整模拟折叠过程或生物功能。
当时的行业背景
蛋白质的氨基酸序列容易读取，三维结构却通常需要 X 射线晶体学、冷冻电镜或核磁共振等昂贵实验。传统计算方法难以在巨大构象空间中稳定找到正确结构。
为什么重要
研究者可以先用预测结构形成假设，再决定哪些实验最值得做。它显著扩大了结构信息的覆盖范围，但药物作用、动态变化和低置信区域仍需要实验验证。
在它之前
蛋白质结构主要通过 X 射线晶体学等实验方法确定，耗时数年。
在它之后
AI 可以在几分钟内预测蛋白质结构，将生物学研究带入新纪元。
影响
它改变了什么
对开发者
展示了深度学习在科学发现中的巨大潜力。
对行业
加速了药物研发和生物科学研究，影响了医药行业。
来源