AlphaFold五载革新：AI重构结构生物学研究范式

令科学家耗费十年光阴探索的「精卵结合」分子机制，竟在AlphaFold短短数分钟内被精确预测，这仅是过去五年它重塑生物学版图的缩影。从开源代码到囊括2.4亿结构的免费数据库，它让全球190个国家的330万研究者站上同一起跑线，被誉为结构生物学的「第二次降临」。

《自然》期刊近期发布专题文章，系统回顾了谷歌DeepMind的AlphaFold诞生五年来所催生的一系列重大科研突破。

与此同时，谷歌DeepMind亦在YouTube发布了纪录片《思维游戏》（The Thinking Game）。

DeepMind官推

这是一个关于等待与顿悟的叙事，亦是生物学过去五年历程的缩影。

寻觅遗失的密钥

在维也纳分子病理学研究所，生化学家安德烈娅·保利（Andrea Pauli）曾深陷长达十年的困惑。

为揭示精子与卵子如何「相遇」，她于2018年在斑马鱼卵子表面发现一种关键蛋白质，命名为「Bouncer」（保镖）。

此名形象贴切，因缺失它，受精过程便无法启动。

但核心谜题在于：这位「保镖」如何识别并放行精子？

保利团队与全球同行孜孜以求，试图通过无数生化实验在显微镜下破解分子层面的「握手」机制，却始终未能找到钥匙。

直至2020年11月，一场海啸从伦敦DeepMind实验室席卷而来。

AlphaFold 2横空出世。

该AI系统以惊人精度预测蛋白质三维结构。

霎时间，原本朦胧的微观世界变得清晰可辨。

对保利而言，这犹如黑暗房间突现明灯：AlphaFold迅速预测出一种名为Tmem81的精子蛋白结构，它能与另两个蛋白形成复合物，恰好构筑完美「口袋」，供「Bouncer」嵌入结合。

Tmem81的AlphaFold模型

困扰人类十年的生殖谜题，被AI在数分钟内破解。

实验随后验证了全部发现。

如今，保利感叹：「它加速了所有突破。现在我们每个项目都依赖它。」

结构生物学的「二次降临」

此景仅是AlphaFold五周岁之际，全球无数实验室的缩影。

回溯五年前深秋，当DeepMind揭幕AlphaFold 2时，科学界感受了巨大冲击。

若说2018年首版仅「令人兴趣盎然」，第二代则直接展现「统治之力」。

其生成的3D模型在多场景下已与昂贵实验图谱难分伯仲。

欧洲生物信息学研究所（EMBL-EBI）生物信息学家珍妮特·桑顿（Janet Thornton）以宗教比喻形容这场变革：「拥有预测万物的模型，影响深远。这宛如结构生物学的“第二次降临”（Second Coming）。」

此番变革的强度，在数据中体现得惊人。

自2021年AlphaFold 2论文于《自然》发表，短短数年引用已近4万次。

与诸多热点过后关注度骤降的研究不同，AlphaFold的热度曲线呈昂扬直线。

更重要的是，DeepMind决定开源代码，并与EMBL-EBI共建数据库。

该数据库如今似不断膨胀的宇宙，涵盖超2.4亿预测结构，几乎包罗人类已知全部蛋白质。

全球190国330万研究人员涌入其中，超100万用户来自中国、印度等中低收入国家。

这不仅是技术胜利，更是科学平权的胜利——无论哈佛顶级实验室，还是发展中国家大学宿舍，仅需网络，便能窥见生命精密蓝图。

从结构预测到科学重塑

2024年，AlphaFold缔造者德米斯·哈萨比斯（Demis Hassabis）与约翰·詹珀（John Jumper）共享诺贝尔化学奖半壁殊荣。

对诞生仅五年的工具而言，这近乎光速认可。

但詹珀本人关注另一问题。

目睹保利等科学家利用AlphaFold取得突破，他既自豪亦好奇：「何时会有人因“使用”AlphaFold而赢得大奖？」

这绝非空谈。

DeepMind资助研究发现，使用AlphaFold的研究人员向PDB（蛋白质数据库）提交的实验结构数量，较未使用者高出约50%。

这揭示一现象：AI并未如人所忧「取代」实验学家，反在「反哺」他们。

通过X射线晶体学或冷冻电镜获得的模糊原始数据，因AI预测结构辅助，更易解读。

詹珀称：「我欣赏此点，它帮助了最初为我们提供数据之人。」

这形成完美闭环：人类实验数据训练AI，AI助人类看清数据，进而催生更多数据。

此循环中，科学发现齿轮被按下快进键。

五年逝去，AlphaFold已非单纯热词，它化作如移液枪、显微镜般的科研「基建」。

它悄然融入每篇论文致谢、每次药物设计构想、人类对生命本质奥秘的每次凝视。

在原子与代码交响中，人类终不再暗夜摸索生命形状，而是点亮明灯，看清造物主留下的每行诗句。

参考资料

https://www.nature.com/articles/d41586-025-03886-9

https://www.youtube.com/watch?v=d95J8yzvjbQ