↑ 阅读前记得关注+星⭐️，每天第一时间收到更新。 11 月 25 日，Demis Hassabis、John Jumper 等人代表 Alphafold 团队发布了一篇文章，审视了 alphafold 推出五年来对科学界的影响。 2020年以来，Alphafold加快了科学研究步伐，推动了全球生物发现浪潮。这一成就获得了2024年诺贝尔化学奖的认可。五年前，Alphafold 2解决了50年的巨大挑战，解决了蛋白质结构预测的问题，证明人工智能是推动科学进步的有力工具。蛋白质是驱动活细胞中每个过程的微观机器。它们由折叠成精确的三维结构的氨基酸链组成，这在很大程度上决定了蛋白质的功能。如果蛋白质不能正确折叠，可能会导致功能丧失并引发疾病，例如如阿尔茨海默病和帕金森病。几十年来，识别这些结构一直是一项艰巨的任务，通常需要一年或更长时间的昂贵且艰苦的实验工作。在 2020 年 CASP 14（蛋白质结构预测的关键评估）竞赛中，alphafold 2 仅根据氨基酸序列就以惊人的准确度预测了蛋白质结构。这一成就被广泛视为生物学领域“50年重大挑战”的解决方案。全球发现引擎：300万研究人员，2亿个结构。 2021年，DeepMind与EMBL-EBI合作推出了alphafold蛋白质数据库。一年后，该团队发布了 Alphafold 2 对超过 2 亿个蛋白质结构的预测，完成了通过实验方法需要数亿年才能解决的工作量。该数据库的影响包括： 用户规模：已被190多个国家超过300万研究人员使用，其中包括来自低收入和中等收入国家的 100 万用户。研究方向：超过30%的alphafold相关研究集中于了解疾病，这直接造福人类健康。现实世界转变 Alphafold 已成为科学家解决从生态保护到心脏健康等紧迫全球问题的标准工具。蜜蜂保护：欧洲科学家使用 alphafold 来研究卵黄蛋白原 (VG)，这是蜜蜂的主要免疫蛋白。这种见解被用于保护濒临灭绝的蜂群，并指导人工智能辅助育种计划，以创造更健康的传粉媒介。心脏病研究：动脉粥样硬化是全世界死亡的主要原因。几十年来，低密度脂蛋白 (LDL) 中的主要蛋白质载脂蛋白 B100 (APOB100) 的结构一直难以捉摸。 Alphafold 2揭示了复杂的笼状形状，为药物研究人员设计新的预防性疗法范式转变提供了原子级细节alphafold 正在通过扩大访问范围、缩短期限和降低成本来转变科学研究，从而为科学研究铺平道路。扩大接触范围：土耳其本科生alper和tanerKaragöl在疫情期间利用在线教程自学结构生物学，目前在未经培训的情况下已发表了15篇研究论文。加速发现：苏黎世大学的 Cyril Zipfel 教授的团队正在利用 alphafold 与比较基因组学相结合来缩短研究时间，并通过了解植物如何感知环境变化来培育更具弹性的作物铺平道路。数据引用和影响分析：Alphafold 已被超过 35,000 篇论文引用 方法论：超过 200,000 篇论文在其方法论中包含了 alphafold 2 的元素 独立审查：创新实验室发展分析表明，使用 alphafold 2 的研究人员将新颖结构实验蛋白质的提交量增加了 40% 以上。这些结构更有可能与已知结构不同，鼓励探索具有转化价值的未知科学领域：与研究相关的 alphafold 2 在临床文章中被引用的可能性是标准生物学结构工作的两倍，并且在专利中被引用的可能性明显更高。 2021 年数字生物学新时代，随着模型被证明足以进行合理的药物设计，AI 药物发现公司 Isomorphic Labs 成立。 Alphafold 3：Deepmind 与同构实验室共同开发 alphafold 3。该模型不仅可以预测蛋白质，还可以预测DNA、RNA和配体（构成大多数药物的小分子）的结构和相互作用，甚至形成整个分子复合物的3D关节结构。 Alphafold Server：该服务器已帮助世界各地的非商业研究人员做出了超过 800 万次折叠预测。人工智能科学的未来受Alphafold启发，新一代模型将解决不同的问题生物学领域的硕士：α错义和α基因组：使用人工智能分析导致疾病的基因突变。 Alphaproteo：设计用于癌症和糖尿病相关分子的新型高亲和力蛋白结合。 Alphafold不仅是生物学上的突破，也被认为是人工智能将科学加速到“数字速度”的模板。从核聚变到科学，该团队致力于追逐下一个参考式突破：https://deepmind.google/blog/alphafold- Five-on 特别声明：以上内容（如有，包括照片或视频）由自媒体平台“网易号”用户上传发布，本平台仅提供信息存储服务。 注：以上内容（包括图片和视频，如有）由网易HAO用户上传发布，网易HAO为社交媒体平台，仅提供信息存储服务。