AlphaFold五周年：从十年谜题到结构生物学革命

科学家们耗费了整整十年光阴，苦苦探寻的「精卵结合」分子机制，被AlphaFold在短短几分钟内精准勾勒出来，这只是过去五年它彻底改写生物学研究范式的冰山一角。从开放源代码到构建拥有2.4亿个结构的免费数据库，它让全球190个国家的330万科研人员站到了同一起跑线上，被誉为结构生物学领域的「第二次降临」。

《自然》杂志近日发布的一篇深度综述，系统梳理了谷歌DeepMind旗下AlphaFold问世五年来所引发的一系列重大科学突破。

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

DeepMind官方推特

这是一个交织着漫长等待与灵光乍现的故事，也是生物学在过去五年间飞速演进的生动写照。

寻找那把丢失的钥匙

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

为了揭开精子和卵子究竟如何“相遇”的谜底，她早在2018年就在斑马鱼的卵子表面发现了一种至关重要的蛋白质，并给它起名为「Bouncer」（保镖）。

这个名字相当贴切，因为一旦缺失它，受精过程便无从启动。

但问题的核心在于，这位「保镖」究竟通过何种方式识别并放行精子？

保利团队以及全球各地的同行们绞尽脑汁，试图借助显微镜和无数次生化实验，破解这个分子层面的「握手」机制，却始终找不到那把关键的钥匙。

直到2020年11月，一场技术海啸从伦敦的DeepMind实验室席卷而来。

AlphaFold 2横空出世。

这个人工智能系统以令人惊叹的精度预测出蛋白质的三维结构。

刹那间，原本模糊不清的微观世界变得轮廓分明。

对保利而言，这就像在暗室里突然点亮了一盏明灯：AlphaFold迅速预测出一种名为Tmem81的精子蛋白结构，它能与另外两个蛋白结合形成复合物，恰好构建出一个完美的「口袋」，让「Bouncer」得以嵌入并完成结合。

Tmem81的AlphaFold模型

困扰科学界整整十年的生殖谜题，被人工智能在几分钟内一举破解。

随后的实验验证了预测的准确性。

如今，保利感慨道：「它加速了整个研究进程。现在我们每一个项目都离不开它。」

结构生物学的「第二次降临」

这一幕，仅仅是AlphaFold迎来五周岁生日之际，全球无数实验室里的一个普通缩影。

把时间拨回五年前的那个深秋，当DeepMind揭开AlphaFold 2的神秘面纱时，科学界感受到的是前所未有的震撼。

如果说2018年的第一代版本还只是「令人产生兴趣」，那么第二代版本则直接展现了「统治级」的实力。

它生成的3D模型在许多情况下已经与耗资昂贵的实验图谱难以区分。

欧洲生物信息学研究所（EMBL-EBI）的生物信息学家珍妮特·桑顿（Janet Thornton）用了一个极具宗教色彩的比喻来形容这场变革：「拥有了能够预测万物的模型，其影响是深远的。这就像是结构生物学的“第二次降临”（Second Coming）。」

这场变革的剧烈程度，量化在数据中尤为惊人。

自2021年关于AlphaFold 2的论文在《自然》杂志发表以来，短短几年间，它已被引用近4万次。

与许多热点过后关注度便断崖式下跌的研究不同，AlphaFold的热度曲线是一条昂扬向上的直线。

更重要的是，DeepMind做出了一项关键决定：他们将其代码开源，并与EMBL-EBI合作建立了数据库。

这个数据库如今宛如一个不断膨胀的宇宙，包含了超过2.4亿个预测结构，几乎囊括了人类已知的所有蛋白质。

来自全球190个国家的330万名研究人员涌入这里，其中超过100万用户来自中国、印度等中低收入国家。

这不仅是技术的胜利，更是科学平权的胜利——无论是在哈佛的顶级实验室，还是在发展中国家的大学宿舍，只要有一根网线，你就能窥见生命的精密蓝图。

从预测结构到重塑科学

2024年，AlphaFold的缔造者德米斯·哈萨比斯（Demis Hassabis）和约翰·詹珀（John Jumper）分享了诺贝尔化学奖的一半殊荣。

对于一个诞生仅五年的工具而言，这几乎是光速般的认可。

但詹珀本人关注的却是另一个问题。

看着像保利这样的科学家利用AlphaFold取得的突破，他不仅感到骄傲，更在思索：「什么时候会有人因为“使用”AlphaFold而赢得那些大奖呢？」

这绝非随口说出的空话。

一份由DeepMind资助的研究发现，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，比未使用该工具的同行多出了约50%。

这揭示了一个现象：AI并没有像某些人担心的那样「取代」实验学家，反而在「反哺」他们。

那些通过X射线晶体学或冷冻电镜得到的模糊原始数据，因为有了AI预测结构的辅助，变得更容易解读。

詹珀说：「我喜欢这种感觉，它帮助了那些最初为我们提供数据的人。」

这形成了一个完美的闭环：人类的实验数据训练了AI，AI反过来帮助人类看清实验数据，进而产生更多的数据。

在这场循环中，科学发现的齿轮被按下了快进键。

五年过去，AlphaFold已经不再是一个单纯的新闻热词，它变成了像移液枪、显微镜一样的科研「基础设施」。

它悄无声息地融入了每一篇论文的致谢里，融入了每一次药物设计的构想中，融入了人类对生命最本质奥秘的每一次凝视。

在原子与代码的交响中，人类终于不再只是在黑暗中摸索生命的形状，而是点亮了一盏灯，看清了造物主留下的每一行诗句。

参考资料

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

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