大约五年前，b谷歌最多产的人工智能研究实验室之一DeepMind推出了AlphaFold，这是一个人工智能系统，可以准确预测人体内许多蛋白质的结构。从那以后，DeepMind对该系统进行了改进，并于2020年发布了更新的、更强大的AlphaFold版本——AlphaFold 2。

　　实验室的工作还在继续。

　　今天，DeepMind透露，AlphaFold 2的继任者AlphaFold的最新版本可以对蛋白质数据库(Protein Data Bank)中的几乎所有分子生成预测。蛋白质数据库是世界上最大的开放获取生物分子数据库。

　　据DeepMind博客上的一篇文章称，从DeepMind衍生出来的专注于药物发现的Isomorphic Labs已经将新的AlphaFold模型应用于治疗药物设计，帮助表征对治疗疾病重要的不同类型的分子结构。

　　新AlphaFold的能力超出了蛋白质预测。

　　DeepMind声称，该模型还可以准确预测配体的结构——与“受体”蛋白质结合并导致细胞通讯方式变化的分子——以及核酸(包含关键遗传信息的分子)和翻译后修饰(蛋白质产生后发生的化学变化)。

　　图片来源:DeepMind

　　DeepMind指出，预测蛋白质配体结构可能是药物发现的一个有用工具，因为它可以帮助科学家识别和设计可能成为药物的新分子。

　　目前，制药研究人员使用被称为“对接方法”的计算机模拟来确定蛋白质和配体如何相互作用。对接方法需要指定参考蛋白质结构和配体在该结构上结合的建议位置。

　　然而，对于最新的AlphaFold，不需要使用参考蛋白质结构或建议位置。该模型可以预测以前没有“结构特征”的蛋白质，同时模拟蛋白质和核酸如何与其他分子相互作用——DeepMind表示，目前的对接方法不可能达到这样的建模水平。

　　“早期分析还表明，我们的模型在一些与药物发现相关的蛋白质结构预测问题上的表现大大优于(上一代)AlphaFold，比如抗体结合，”DeepMind在帖子中写道。“我们的模型在性能上的巨大飞跃表明，人工智能有潜力极大地增强对构成人体的分子机器的科学理解。”

　　不过，最新的AlphaFold并不完美。

　　在一份详细介绍该系统优势和局限性的白皮书中，DeepMind和同构实验室的研究人员透露，该系统在预测RNA分子结构方面缺乏一流的方法。RNA分子是体内携带制造蛋白质指令的分子。

　　毫无疑问，DeepMind和Isomorphic Labs都在努力解决这个问题。