AlphaFold 如何彻底改变了科学

AlphaFold 如何彻底改变了科学

评估了 Google DeepMind的AlphaFold2 推出五年来的巨大影响，该人工智能工具革命性地实现了高精度 三维蛋白质结构预测。

(视频)

AlphaFold五年：这5个惊人发现，彻底改变了我们对生命科学的认知

1.0 引言：蛋白质折叠问题与AI革命

在生物学领域，一个根本性的挑战长期困扰着科学家们：如何预测蛋白质的三维结构？蛋白质是生命的基石，其功能由其复杂的折叠形态决定。准确预测这一结构，是理解生命运作、攻克疾病的关键。2020年末，Google DeepMind发布了一款名为AlphaFold2的革命性人工智能工具，为这个问题带来了前所未有的答案。

自那以来，五年过去了。这项技术的影响力远远超出了最初的预期。本文将深入探讨自AlphaFold发布以来，它以五种最令人惊讶和最具影响力的方式，如何彻底重塑了科学研究的面貌。

2.0 发现1：大幅加速基础科学的探索步伐

维也纳分子病理学研究所的生物化学家 Andrea Pauli 曾花费数年时间研究精子与卵细胞如何融合。她的团队发现斑马鱼卵子表面的一种名为“Bouncer”的蛋白质对于受精至关重要，但一直无法弄清它究竟如何识别精子。

这时，AlphaFold带来了突破。通过预测一种名为Tmem81的蛋白质结构，该工具揭示了它如何稳定另外两种精子蛋白的复合物，从而为Bouncer蛋白创造了一个结合口袋。这一关键的结构预测，让 Pauli 的团队得以通过实验迅速验证了这一机制。AlphaFold的出现，将可能耗时数年的探索缩短到了一个可控的时间范围内。

speeds up discovery

— Andrea Pauli, Biochemist, Research Institute of Molecular Pathology in Vienna

3.0 发现2：其科学影响力空前——且热度不减

衡量一项科学成果影响力的一个关键指标是其论文被引用的次数。描述AlphaFold2的主要论文自2021年在《自然》杂志发表以来，已被引用近40,000次。

然而，最令人惊讶的并非是这个庞大的数字，而是一个反常的趋势。与其他同期被高度引用的论文（包括关键的COVID-19研究）相比，那些论文的引用率正在逐渐下降，而科学界对AlphaFold的兴趣和引用率却仍在持续增长。这表明它的影响力不仅没有消退，反而还在不断扩大。这种持续增长的巨大影响力，最终获得了科学界的最高认可：其创造者 John Jumper 和 Demis Hassabis 因这项工作共同荣获2024年诺贝尔化学奖。

4.0 发现3：它并非要取代湿实验，而是为其“超级赋能”

许多人曾认为，一个强大的预测工具会让耗时费力的实验室工作变得多余。但事实恰恰相反。AlphaFold的预测能力并没有取代实验，而是极大地增强了实验的效率和深度。

研究人员发现，AlphaFold预测出的结构可以帮助他们更好地解读通过X射线晶体学等方法获得的原始实验数据，从而更快地解析出精确的结构。一个惊人的统计数据表明：使用AlphaFold的研究人员向蛋白质数据库（PDB）提交的实验蛋白质结构数量，比不使用该工具的研究人员多出约50%。这证明了AI预测与实验验证之间形成了强大的共生关系。

I love that it helps the people that gave us the data

— John Jumper, DeepMind

5.0 发现4：在全球范围内推动科学民主化

AlphaFold之所以能迅速产生如此广泛的影响，一个核心原因在于其高度的可及性。Google DeepMind向全球科研人员免费开放了其源代码。

这一开放策略催生了AlphaFold数据库（AFDB），该数据库目前已包含超过2.4亿个蛋白质结构预测，几乎涵盖了所有已知的蛋白质。统计数据显示：

• 数据库已被来自超过190个国家的330万用户访问。
• 超过一百万用户来自中低收入国家，包括中国和印度。

这种前所未有的可及性打破了传统的科研壁垒，使得那些无法获得昂贵实验设备的研究人员，也能够为前沿科学做出贡献。

It’s like the second coming of structural biology.

— Janet Thornton, Bioinformatician, European Bioinformatics Institute

6.0 发现5：它将一个“已解决的问题”转变为一场科学复兴

当AlphaFold2首次亮相时，许多从事蛋白质结构预测的学术研究者感到了一场“生存危机”——他们所在领域的核心目标似乎已经被解决了。

然而，事实证明，AlphaFold非但没有终结这个领域，反而为其开启了一个全新的黄金时代。它将一个“预测”问题，转变为一个“设计”问题，催生了人工智能蛋白质设计等全新的、充满希望的研究方向。这为计算生物学领域带来了新的关注和资金注入，使其焕发了前所未有的活力。

It’s a good time to be a computational biologist

— Mohammed AlQuraishi, Computational Biologist, Columbia University

7.0 结论：未来五年将带来什么？

AlphaFold的影响力早已超越了单纯的结构预测。它改变了科学研究的进行方式、参与门槛以及我们能够提出的问题。

当然，将这些基础性的生物学洞见转化为新药等实际应用还需要时间。为此而设计的AlphaFold3已于2024年发布，它旨在预测药物分子如何与蛋白质相互作用。正如其创造者 John Jumper 所言，其影响将是具体而深远的：

I'm certain that there are people that will go home from the hospital because of AlphaFold2.

回顾过去五年，AlphaFold已经掀起了一场科学革命。我们不禁要问：在人工智能的推动下，下一个五年，又将解锁哪些我们今天无法想象的科学突破？