AlphaFold 的出现和发展源于科学界对蛋白质结构预测这一核心问题的长期挑战。

大家都知道蛋白质结构与功能密切相关，蛋白质是生命体内执行各种功能的基础分子，包括催化化学反应（酶）、传递信号（受体）、运输分子（转运蛋白）等。蛋白质的三维结构决定了其功能。了解蛋白质如何折叠成其特定的三维形状是理解其功能、设计药物和治疗疾病的关键。

然而在获得蛋白质结构却很困难。传统上，科学家通过实验方法如X射线晶体衍射、核磁共振（NMR）光谱和冷冻电子显微镜（Cryo-EM）来解析蛋白质结构。这些方法虽然精确，但通常耗时、昂贵且对某些蛋白质来说并不适用。与此同时，科学界数十年来一直在研究如何从氨基酸序列预测蛋白质的三维结构，这一问题被称为“蛋白质折叠问题”。由于蛋白质折叠涉及大量复杂的分子间相互作用，理论上可能的结构组合非常庞大，使得预测极具挑战性。

在2018年12月的第13届蛋白质结构预测关键评估（CASP13）中，AlphaFold首次亮相，成功预测了43种蛋白质中25种的最准确结构，获得第一名。在2020年11月的CASP14竞赛中，AlphaFold2表现出色，中位分数达到92.4分（满分100分），准确度远超其他参赛程序。2021年7月，AlphaFold2的论文在《自然》杂志上发表，同时其开源软件和可搜索的物种蛋白质组数据库也一同发布。2024年5月8日，DeepMind发布了AlphaFold3。该版本不仅能够预测蛋白质的结构，还能预测蛋白质与DNA、RNA、各种配体和离子形成的复合物的结构。

*APExBIO也在时刻关注CASP16的结果

AlphaFold 的出现改变了获得蛋白质结构困难的局面。通过将深度学习和人工智能应用于蛋白质折叠预测，AlphaFold 能够快速且准确地预测蛋白质的三维结构，极大地加速了生物学研究和药物开发。通过快速预测靶蛋白的结构，AlphaFold 可以帮助制药公司更有效地设计药物分子，缩短研发周期。理解与疾病相关的蛋白质结构（如癌症、阿尔茨海默病中的异常蛋白）有助于开发针对性的治疗方法。科学家可以利用 AlphaFold 预测未被解析的蛋白质结构，从而揭示其生物功能，推动基础科学发现。

如今AlphaFold3开源了，感兴趣的小伙伴可以上github进行尝试。（https://github.com/google-deepmind/alphafold3）虽然是开源，大家一定要遵守协议哦。AlphaFold3 源代码根据知识共享署名-非商业性使用-相同方式共享国际许可协议，第 4.0 版（CC-BY-NC-SA 4.0） 授权（“许可协议”）。除非符合许可协议的规定，否则不得使用此文件。不会代码的小伙伴也不用担心，APExBIO提供蛋白结构构建的服务，我们使用同源建模和自研的AI优化工具为大家提供服务，不用担心协议的困扰。