alphafold超越蛋白质折叠，将推动下个“数字生物学”时代来临？
来源： 学术头条 发布时间：2023-11-02
颠覆生命科学的 alphafold 又更新了——
准确性显著提高，覆盖范围从蛋白质扩展到其他生物分子，包括配体。
自 2020 年发布以来，alphafold 已经颠覆了对蛋白质及其相互作用的理解方式，成为了蛋白质研究领域的重要里程碑。
今天，google deepmind 在官方博客中表示，在他们和 isomorphic 实验室的共同努力下，alphafold 已经更新到了下一代，这将为 ai 在生物科学中的应用打下更坚实的基础。
据介绍，新一代 alphafold 模型可以预测蛋白质数据库（pdb）中的几乎所有分子，其预测精度可以达到原子级。
它不仅开启了对多个关键生物大分子类别的全新理解，还显著提升了预测准确性。这些生物大分子类别包括配体（小分子）、蛋白质、核酸（dna 和 rna）以及具有翻译后修饰（ptm）的生物大分子，这些结构类型和复合物对于细胞内生物机制的理解至关重要。
google deepmind 称，这一模型的扩展功能和性能将有助于加速生物医学领域的突破，推动人类迈向下一个“数字生物学”时代。它为疾病通路的功能研究、基因组学、生物可再生材料、植物免疫、潜在治疗靶点、药物设计机制以及蛋白质工程和合成生物学等领域提供了全新的见解和平台。
alphafold 曾在单链蛋白质预测方面取得了根本性突破，alphafold-multimer 已经扩展到多蛋白质链的复合物，alphafold2.3 不进提高了性能，也将覆盖范围扩大到更大的复合物。
2022 年，alphafold 与欧洲生物信息研究所（embl-ebi）合作，通过 alphafold 蛋白结构数据库免费提供 alphafold 对科学界已知的几乎所有编目蛋白质的结构预测。
迄今为止，已有来自 190 多个国家的 140 万用户访问了 alphafold 数据库，世界各地的科学家利用 alphafold 的预测结果帮助推动了从加速新型疟疾疫苗的研发、促进癌症药物的发现到开发用于解决污染问题的食塑酶等各个方面的研究。
在此次研究中，google deepmind 展示了 alphafold 在预测蛋白质折叠之外的精确结构方面的非凡能力，它可以对配体、蛋白质、核酸和翻译后修饰进行高度精确的结构预测。
图｜蛋白质配体复合物、蛋白质、核酸和共价修饰的性能
另外，alphafold 的应用还拓宽了药物发现领域。
最新模型在与药物发现相关的蛋白质结构问题上明显超越 alphafold2.3 和行业标准，特别值得关注的是其在抗体结合预测方面的表现。
传统方法使用刚性蛋白质结构和对接方法来预测蛋白质-配体结构，然而，新一代 alphafold 模型无需这些先验信息，却表现出更高准确性，重新定义了预测蛋白质-配体结构的标准，使得以前未知结构的蛋白质也可以被预测。
此外，该模型还具备联合建模所有原子位置的能力，能够更全面地揭示蛋白质和核酸与其他分子相互作用时的灵活性。
另外，在最新最近发布的治疗案例中，该模型预测的结构与案例实验中测定的结构非常接近，其中包括抗癌分子的结合（porcn）、关键癌症靶标的共价配体结合（kras），以及脂质激酶变构抑制剂（pi5p4kγ）的结构预测。
图｜porcn 、kras 和 pi5p4kγ 的结构预测，新 alphafold 模型预测部分为彩色，案例实验预测部分为灰色
据介绍，isomorphic labs 正在将新一代 alphafold 模型应用于治疗药物设计，帮助快速、准确地描述对治疗疾病非常重要的多种类型的大分子结构。
此外，经过蛋白质、配体、核酸以及翻译后修饰结构的模拟解锁，该模型可以为基础生物学研究提供更迅速和准确的工具。
例如，在 caslambda 与 crrna 以及 dna 结合的结构中，caslambda 共享 crispr-cas9 系统的基因编辑能力，通常被称为“基因剪刀”，研究人员可以利用它来改变动植物和微生物的 dna，而 caslambda 的较小尺寸可能使其在基因编辑中更加有效。
图｜caslambda 与 crrna 以及 dna 结合的预测结构
新一代 alphafold 对此类复杂系统的建模能力表明，ai 可以帮助我们更好地理解这些类型的机制，并加快它们在治疗方面的应用。
正如博客中所说的那样，“谷歌新一代 alphafold 模型为科学领域带来了无限的潜力，将在更广泛的自然界中提供更深刻的科学认识。这一巨大的进步预示着 ai 在生命科学中的前景广阔，为未来的科学探索提供了强大的支持。”
参考链接：
https://deepmind.google/discover/blog/a-glimpse-of-the-next-generation-of-alphafold/
https://storage.googleapis.com/deepmind-media/deepmind.com/blog/a-glimpse-of-the-next-generation-of-alphafold/alphafold_latest_oct2023.pdf
作者：闫一米
编辑：学术君
米乐app官网登录的版权与免责声明
【1】本网站凡注明“学会秘书处”的所有作品，米乐app官网登录的版权均属于四川省金属学会所有，未经书面授权，任何媒体、网站或个人不得转载、摘编或利用其它方式使用上述作品。已经本网站协议授权的媒体或网站，应在授权范围内使用上述作品，并注明“来源：四川省金属学会”。违者本网站将追究其相关法律责任。
【2】本网站凡注明“来源：xxx（非学会秘书处）”的作品，均转载自其它媒体，登载此作品出于传递更多信息之目的，不代表学会观点或证实其描述，不对其真实性负责。作品内容仅供参考，如转载稿件涉及米乐app官网登录的版权等问题，请在两周内来电或来函与四川省金属学会联系。
