AlphaFold助力揭示蛋白质结构与功能，照亮蛋白质宇宙

近年来，随着人工智能技术的飞速发展，AlphaFold作为一款先进的蛋白质结构预测工具，在病毒蛋白研究领域展现出了巨大的潜力和价值。多项基于AlphaFold的研究成果不仅揭示了蛋白质的全新结构与功能，还发现了病毒保守的免疫逃逸新机制，为抗病毒药物的研发提供了新的思路。

AlphaFold的发展

2020年，谷歌旗下公司DeepMind推出了基于人工智能的蛋白质结构预测工具——AlphaFold，这一工具的诞生标志着蛋白质结构预测进入了一个全新的时代。2021年，DeepMind团队推出了AlphaFold2，该版本能够根据氨基酸序列来准确预测蛋白质的三维结构，进一步提升了预测精度和效率。2024年，DeepMind与Isomorphic Labs合作，正式推出了AlphaFold3。这一新版本不仅涵盖了前所未有的广度和精确度，还能够预测蛋白质与其他各种生物分子（如DNA、RNA、小分子、离子等）的相互作用结构，为生物分子系统的研究带来了新的突破。

AlphaFold的蛋白质结构预测

AlphaFold是一款革命性的蛋白质结构预测工具，利用深度学习算法和海量数据训练，能够以前所未有的精度和速度预测蛋白质的三维结构。通过该工具，Pedro Beltrao研究团队在数据库中鉴定出230万个形态相似的蛋白质簇，其中31%缺少注释，代表可能是此前未被描述的结构。

图1 根据AlphaFold蛋白结构数据库得到的蛋白质簇^[1]

AlphaFold的蛋白质功能预测

蛋白质的功能往往与其三维结构紧密相关。不同的结构域可能对应着不同的功能单元，如酶活性中心、结合位点等。因此，准确预测蛋白质的三维结构，有助于科学家们更深入地理解其功能机制。AlphaFold通过提供高精度的结构预测，使得科学家们能够更直观地观察到蛋白质的内部结构，进而推断出其可能的功能。近日，CRISPR基因编辑先驱，2020年诺贝尔化学奖得主 Jennifer A. Doudna教授团队利用AlphaFold预测了近7万个病毒蛋白质的3D形状(三维结构)，然后将新预测的结构与功能已知的蛋白质结构进行了匹配，发现62%的蛋白质在结构上是独特的，缺乏同源物，而38%与已知蛋白质匹配，揭示了病毒与宿主之间的意外相似性。进一步分析显示，多达25%的未注释病毒蛋白可能参与免疫逃逸，其中RNA连接酶T样磷酸二酯酶在感染真核生物的病毒与噬菌体中都广泛存在，表明这是一种广泛保守的免疫逃逸策略。

图2 根据AlphaFold预测的蛋白质形状^[2]

结论

综上所述，AlphaFold作为一款革命性的蛋白质结构预测工具，在推动生命科学和生物技术发展方面发挥了重要作用。其发展历程见证了人工智能技术在生物学领域的深度融合与应用，为揭开生命奥秘、推动药物研发等提供了强有力的支持。

参考资料：

[1] Barrio-Hernandez I, Yeo J, Jänes J, et al. Clustering predicted structures at the scale of the known protein universe. Nature. 2023;622(7983):637-645. doi:10.1038/s41586-023-06510-w

[2] Nomburg J, Doherty EE, Price N, Bellieny-Rabelo D, Zhu YK, Doudna JA. Birth of protein folds and functions in the virome. Nature. Published online August 26, 2024. doi:10.1038/s41586-024-07809-y