据报道，在谷歌旗下人工智能公司DeepMind开展的一项研究中，人工智能技术已经预测了几乎每种已知蛋白质的形状。这一科学突破将大幅减少生物发现所需要的时间，助力新药的研发。
在这项研究中，DeepMind使用AlphaFold算法建立了到目前为止最完整、最准确的蛋白质数据库，收集了超过2亿种已知的蛋白质。
DeepMind CEO德米斯·哈萨比斯（Demis Hassabis）
仅仅依靠基因测序来预测蛋白质结构一直是生物学面临的最大挑战之一。目前，确定一种蛋白质形状的实验方法在实验室里需要耗费几个月到几年的时间。因此到目前为止，只有大约19万个已知蛋白质的结构问题得到实验解决，占所有已知蛋白质的千分之一。
DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）表示，人工智能“现在为结构生物学家提供了一种强大的新工具，你几乎可以像在谷歌上进行关键词搜索一样，轻松地查找蛋白质的3D结构”。“AlphaFold也将迎来重大机遇，为可持续发展、食品安全和被忽视的疾病治疗做出贡献。”
2021年7月，DeepMind曾宣布，已经预测了所有人类蛋白质的形状，从而可以更好地理解人体健康和疾病。目前，这个数据库又扩大了200倍，包含了超过2亿个预测的蛋白质结构，涵盖了地球上几乎所有已进行基因组测序的生物，不管是疟疾寄生虫还是蜜蜂。
目前，这些蛋白质结构可以通过欧洲生物信息研究所在欧洲分子生物学实验室托管的公共数据库查看。DeepMind表示，在AlphaFold这个数据库推出的一年中，全球已有50多万名研究人员访问过数据库，查阅了超过200万种蛋白质结构。
欧洲分子生物学实验室高级科学家、名誉主任珍妮特·桑顿（Janet Thornton）表示：“过去几年里，几乎每种上市的新药在一定程度上都是基于对蛋白质结构的了解来设计的。能够了解所有这些新结构，尤其是对于我们还没有结构数据的不寻常生物体，我们不仅有机会去设计新药，还可以确保这些药物不会攻击人类蛋白质或发生交叉反应。”
蛋白质被认为是生命的基石。蛋白质的结构很重要，因为这决定了蛋白质如何发挥作用。了解一种蛋白质的形状，例如Y型抗体，可以帮助科学家更多地了解该蛋白质的作用。
如果能够方便地预测蛋白质的形状，科学家就可以控制并修改蛋白质，进而通过修改基因序列来优化其功能，或是设计专门瞄准该蛋白质的药物。例如，研究疟疾寄生虫的表面蛋白有助于理解抗体是如何与其结合的，从而可以更好地了解如何更有效地对抗病原体。
牛津大学研究疟疾的生物化学教授马修·希金斯（Matthew Higgins）说：“AlphaFold的应用具有变革意义，让我们对疟疾的表面蛋白有了更清晰的认识。”他的团队正在利用这些新信息来开发新的疟疾疫苗。
虽然科学家仍然需要通过实验来确认蛋白质结构，但AlphaFold的这些预测信息提供了更好的起点，并缩短实验过程所需的时间。
DeepMind还表示，已经将病毒蛋白质排除在数据库之外，以防止这些数据被生化恐怖分子当作武器使用。
此外，2021年11月，DeepMind宣布分拆成立一家新公司同构实验室。该公司将应用AlphaFold和其他人工智能工具来加速药物的研发。该公司周四宣布，将在著名的生物医学研究机构弗朗西斯·克里克研究所建设传统的湿式实验室，以实现这一目标。
哈萨比斯对此表示：“我们可以开始思考端到端的药物设计。这是我的梦想，你可以加速整个流程，不仅仅是新药和新治疗方法的结构部分。这一天即将到来。” 
