21個物種的“阿爾法折疊2”結構模型中特征結構元素的空間。圖片來源：《自然·結構與分子生物學》

   科技日報實習記者?張佳欣

據最近發表在《自然·結構與分子生物學》上的論文，包括西班牙何塞·卡雷拉斯白血病研究所癌癥免疫遺傳學小組負責人愛德華·波爾塔博士在內的一個團隊，比較了現有可用的新結構得出結論：“阿爾法折疊2”為任何給定物種貢獻了額外25%的高質量蛋白質結構。

“阿爾法折疊2”是深度思維公司開發的一種神經網絡，專門用于根據蛋白質的氨基酸序列精確解析蛋白質的3D結構。

“阿爾法折疊2”數據庫已經發布了21種模式生物的典型蛋白質亞型的預測，幾乎涵蓋了365198個蛋白質中的每一個殘基。這大約是蛋白質結構數據庫（PDB）中實驗結構數量的兩倍，獨特蛋白質數量的六倍。

許多蛋白質在癌癥等疾病中發揮的關鍵作用已為人所知，但科學家缺乏對它們在分子水平上的功能的深入了解。這些結構信息將幫助科學家更好地了解這些蛋白質，了解它們可能在細胞內與哪些其他分子相互作用，并設計能夠在它們改變時干擾其功能的新藥。

“阿爾法折疊2”的功能也有局限性。團隊發現，該算法在試圖重建蛋白質復合體時存在問題。大多數蛋白質與其他蛋白質一起完成生物功能，因此極其需要預測不 同蛋白質是如何粘在一起的。另一個局限性是它無法顯示突變蛋白質的結構，突變通常會導致蛋白質功能異常，是癌癥等許多疾病的原因。

盡管如此，團隊認識到“阿爾法折疊2”將在未來幾年極大地影響基礎和生物醫學研究。這不僅歸功于它的直接貢獻，即數千個新的可靠的3D蛋白質模型，而且還因為它開啟了一個基于人工智能的計算工具的新時代，能夠產生沒有人能預料的結果。

事實上，這個時代已經開始了。最近，“臉書”母公司Meta的一個團隊使用了其自然語言預測器的修改版本來“自動補全”蛋白質。這款名為ESMFold的 人工智能工具似乎沒有谷歌的同類工具那么準確，但速度要快60倍，并可以克服一些已知的“阿爾法折疊2”的局限性，例如處理突變的序列。

正如論文作者所言，“‘阿爾法折疊2’和即將到來的工具的應用將對生命科學產生革命性的影響”。