科技日報記者 劉霞

2020年，谷歌旗下“深度思維”公司推出人工智能模型“阿爾法折疊2”。如今，它已能預測幾乎所有已知的兩億多種蛋白質結構，將人工測定蛋白質結構的時間從數年縮短至幾分鐘，展現出AI推動科學發展的巨大潛力。

英國《自然》網站在近日的報道中指出，問世5年來，“阿爾法折疊2”不僅改變了結構生物學的研究方式，也推動了計算生物學的進步。不過，將其生物學洞見轉化為藥物開發等實際應用仍需時間。

助力科研探索

“阿爾法折疊2”已在眾多科學場景中得到應用。

奧地利維也納分子病理研究所安德烈亞·泡利團隊長期研究精子與卵子如何結合。2018年，他們發現斑馬魚卵表面的Bouncer蛋白對受精至關重要，卻無法解析其識別精子的機制。

“阿爾法折疊2”的出現帶來轉機。模型預測，一種名為Tmem81的蛋白會與兩種精子蛋白形成復合物，并與Bouncer結合。實驗很快驗證了這一結果。

泡利表示，“阿爾法折疊2”顯著加快了研究進程，“我們現在每個項目都會用到它”。2024年，團隊發表了相關論文。這篇論文是引用《自然》雜志發表的“阿爾法折疊2”原始論文的近4萬篇之一。2021年7月，“深度思維”開源了這一模型，并在《自然》上發文詳述其方法。

與其他高被引論文不同，科學界對“阿爾法折疊2”的關注至今未減。

研究人員認為，其迅速普及的關鍵在于開放共享。“深度思維”不僅公開了算法代碼，還與歐洲分子生物學實驗室合作建立了“阿爾法折疊數據庫”，目前已收錄超過2.4億個結構預測，覆蓋絕大多數已知蛋白質，為全球100多個國家的330萬名研究者提供支持。

重塑學科面貌

“阿爾法折疊2”影響最深的領域，莫過于結構生物學。歐洲生物信息學研究所的珍妮特·桑頓指出，它“重塑了結構生物學的面貌”。

數據顯示，使用“阿爾法折疊2”模型的研究人員，向蛋白質數據庫提交結構的數量比未使用者高出約50%，提交率也優于使用其他AI方法或傳統技術的團隊。

更令人欣喜的是，這個基于蛋白質數據庫訓練的模型，正在反哺實驗科學。“阿爾法折疊2”的開發者約翰·江珀強調，預測結構能幫助研究人員解析X射線晶體學和冷凍電鏡獲得的實驗數據，這對原本為其提供訓練數據的研究者尤為有益。

計算生物學也借此迎來新發展。桑頓觀察到，如今學術會議上幾乎每個報告都會提及“阿爾法折疊2”。在直接引用它的文獻中，AI輔助藥物研發、蛋白質設計等方向尤為突出。

美國哥倫比亞大學計算生物學家穆罕默德·阿爾庫賴希坦言，“阿爾法折疊2”問世之初，不少同行曾經歷“生存危機”，擔心蛋白質結構預測這一核心問題已被徹底解決。但事實上，它開辟了更多創新賽道，AI蛋白質設計就是其中之一，不僅激發了新的研究熱情，也吸引了更多資金投入。

如今，科學家已利用“阿爾法折疊2”設計應對抗生素耐藥性的方案、尋找瘧疾等疾病的新療法，并深入理解疾病機制、加速靶向藥物開發。

輻射影響深遠

直接引用論文或使用數據庫，僅是“阿爾法折疊2”影響力的冰山一角。

英國倫敦創新增長實驗室科學家喬治·理查森與大衛·安普迪亞·文森特綜合分析發現，超過20萬項研究、近80萬名科學家直接或間接受益于“阿爾法折疊2”。

不過，當他們試圖量化其具體影響時，卻發現情況復雜：實驗室論文產出增幅約為5%，個人研究者僅高出2%。理查森指出，“阿爾法折疊2”并未催生“論文工廠”，其價值體現在更深層次。

在臨床與商業轉化方面，影響同樣多元。可能因為5年時間尚短，還不足以充分體現在專利等成果中。江珀也認為，將生物學見解轉化為實際應用需要時間積累。

2024年，“阿爾法折疊3”正式發布，其在藥物發現領域潛力更大，能夠預測潛在藥物與蛋白質的相互作用。

江珀強調，基于“阿爾法折疊2”的發現已在幫助科學家揭示疾病機制，未來，必將有患者因這項技術重獲健康。