AlphaFold結構預測（AlphaFold structure prediction）
/ AL-fuh-fold /
半個世紀以來，生物學家都面臨著一個令人抓狂的鴻溝：一個蛋白質的胺基酸序列很容易讀出來，但它的三維形狀——真正決定它幹什麼的那個東西——卻測定得極慢、極貴，每個蛋白質往往要花數月乃至數年的實驗功夫。人們夢想著能用電腦直接從序列預測出形狀。AlphaFold，一款來自DeepMind公司的程式，正是終於讓這個夢想對極大一部分蛋白質而言觸手可及的突破。
AlphaFold是一套人工智慧系統，它在數以萬計、由實驗艱辛解出的蛋白質結構上訓練而成。對於一條查詢序列，它做了兩件巧妙的事：它從其他生物體中搜集許多相關序列（因為在演化過程中一同變化的位點，往往在摺好的形狀裡物理上彼此靠近），又用一個神經網路去權衡每個胺基酸與其餘每個胺基酸的關係，然後反覆地精修出一套預測的原子座標。輸出是一個完整的三維模型，而且關鍵在於它附帶逐殘基的置信度評分，使使用者能看出預測中哪些部分可信、哪些要謹慎對待。在2020年的一場學界競賽中，它給出的模型與實驗結果足夠接近，以至於該領域宣布這個長期存在的預測難題在許多情形下已基本解決。
其影響極為巨大：AlphaFold及其開放資料庫已為幾乎每一個已知蛋白質提供了預測結構，加速了藥物發現、酶工程和基礎研究，其創造者還分享了2024年的諾貝爾獎。但這裡誠實很重要。所謂已解決若按字面理解便是言過其實。AlphaFold預測的是單一一個最可能的摺疊形狀；而對於蛋白質如何運動、在結合夥伴時如何改變形狀、沒有固定摺疊的無序區域、單個突變的影響、以及蛋白質如何與其他蛋白質組裝在一起，它的能力都要弱得多。一個看上去信心十足的模型是一個假說，而非一次測量——任何重要的事情，它仍需要實驗來核驗。
一位研究某種鮮為人知的細菌蛋白質的科研人員，把它的序列貼進AlphaFold資料庫，幾秒鐘內就拿回一個按置信度著色的三維模型。摺疊良好的核心區域亮閃閃、置信度高；而一條鬆軟的尾巴則黯淡無光，警示這一區域並沒有可靠的預測形狀。
幾秒鐘的計算取代了數月的晶體學工作——還附帶了置信度標記。
AlphaFold預測的是一個可能的靜態形狀，而非運動，也不擅長預測單個突變的影響和無序區域。一個高置信度的模型是一個有力的假說，而非一個被證實的結構。