DeepMind創(chuàng)始人兼執(zhí)行官Demis Hassabis在《Nature》期刊上分享AlphaFold的開源代碼，并發(fā)表了系統(tǒng)的完整方法，詳盡細致說明AlphaFold是如何做到精確預測蛋白質(zhì)3D結(jié)構(gòu)的。

更加令人振奮的是，在AlphaFold2開源僅僅一周后，DeepMind震撼公布了AlphaFold數(shù)據(jù)集。開放的數(shù)據(jù)集不僅包括人類蛋白質(zhì)組，還有大腸桿菌、酵母、果蠅、小鼠、水稻、擬南芥等模式物種在內(nèi)的20多種物種的大部分蛋白的預測結(jié)構(gòu)，總計超過35萬個蛋白質(zhì)的結(jié)構(gòu)。DeepMind還與歐洲生物信息研究所（EMBL-EBI）合作建立了一個平臺—AlphaFold DB（AlphaFold蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫），將他們的預測結(jié)果免費開放給公眾，AlphaFold2模型的目標是為所有具有已知序列的蛋白提供預測結(jié)構(gòu)。DeepMind計劃在年底將預測數(shù)量增加到1.3億個。EMBL-EBI主任Ewan Birney博士將其稱之為“繼人類基因組圖譜之后最重要的數(shù)據(jù)集"。

數(shù)十年的時間里，研究人員一直在用X射線晶體學和冷凍電鏡這類實驗技術解析蛋白質(zhì)結(jié)構(gòu)。但是，這類方法存在費時耗錢的問題，對一些蛋白也不適用。為滿足科研工作者對于蛋白與多肽設計，高效的抗體定制以及蛋白結(jié)構(gòu)與功能分析等需求，索萊寶緊跟科技前沿，深入解析這個基于神經(jīng)網(wǎng)絡的新模型AlphaFold2。AlphaFold2不僅可以做到精確預測蛋白質(zhì)3D結(jié)構(gòu)，而且準確度能達到原子水平。AlphaFold2不僅達到了*的準確度，還遠超解析新蛋白質(zhì)結(jié)構(gòu)的其他方法。現(xiàn)小編和大家一起，初步體驗AlphaFold2在蛋白結(jié)構(gòu)預測中帶來的這份快樂。

◆ 按下圖點擊

◆ 在Search欄輸入蛋白名稱、UniProt號或基因ID，比如：植物蛋白PHYB；

◆ 在左邊選擇目標物種，就可以顯示該物種中的PHYB蛋白，比如選擇“Oryza sativa subsp. Japonica"，就可以顯示水稻的PHYB蛋白；

◆ 點擊進去，就會顯示PHYB的預測結(jié)構(gòu)，其中不同顏色代表不同的預測可信度。藍色越深，可信度越高，橙色越深，可信度越低。可以看出，PHYB的預測結(jié)構(gòu)具有很高的可信度，結(jié)構(gòu)的細節(jié)也可以點擊圖片進一步查看；

在Uniprot數(shù)據(jù)庫，并沒有提供這一蛋白的可以利用的結(jié)構(gòu)注釋信息（見下圖）。

使用SWISS-MODEL建模預測蛋白結(jié)構(gòu)（見下圖），通常需要花費很長時間（短則10分鐘，長則數(shù)小時），且預測的結(jié)構(gòu)完整度受限于同源蛋白的相似度（很多時候僅有部分蛋白片段給出預測結(jié)果）。

評論：

AlphaFold可以看到蛋白的預測結(jié)構(gòu)，并且將待預測蛋白的全序列結(jié)構(gòu)描摹出來。據(jù)報道AlphaFold2的神經(jīng)網(wǎng)絡能在幾分鐘內(nèi)預測出一個典型蛋白質(zhì)的結(jié)構(gòu)，還能預測較大蛋白質(zhì)（比如一個含有2180個氨基酸、無同源結(jié)構(gòu)的蛋白質(zhì)）的結(jié)構(gòu)。

參考文獻

Jumper, J et al. Highly accurate protein structure prediction with AlphaFold (Nature 2021).   

Tunyasuvunakool, K et al.Highly accurate protein structure prediction for the human proteome (Nature 2021).