2020-11-30
DeepMind 的 AlphaFold 破解蛋白质折叠——50 年的生物学重大挑战
事件摘要
在 CASP14（2020 年 11 月）上，DeepMind 的 AlphaFold 在从氨基酸序列预测蛋白质结构方面实现了原子级精度——解决了一个困扰生物学家 50 年的问题。系统的中位预测误差为 1.2 埃（原子的宽度），基本与实验方法相当。这一突破被《自然》称为
影响评估
-
能力跃迁 +3 · 长期
AI 在蛋白质折叠问题上实现了原子级精度——一个 50 年的生物学重大挑战。端到端方法（直接从序列预测结构）被证明比数十年的基于物理的模拟方法更强大。
受影响群体: biologists、drug discovery researchers、computational chemists
-
认知转变 +2 · 长期
证明了 AI 可以解决游戏和语言之外的基础科学问题。将 AI 的认知从"科技的有趣工具"转变为"核心科学仪器"。催化了 AI for Science 领域，启发了在材料科学、药物发现和气候研究中的应用。
受影响群体: scientists、researchers、pharmaceutical industry、general public
-
普惠化 +3 · 长期
AlphaFold 蛋白质结构数据库（2 亿+结构）使结构生物学数据对全球任何研究人员免费开放，消除了日常结构预测中对昂贵实验设备的需求。对资金不足的实验室和发展中国家研究人员尤其具有变革意义。
受影响群体: researchers worldwide、pharmaceutical industry、students、developing-country scientists
共识度与来源
重要度
L2
分类
能力突破
共识度
广泛共识
影响指数
8/10
-
1
Proteins are essential to life, and understanding their structure can facilitate a mechanistic understanding of their function. Through an iterative process, we developed AlphaFold, which achieves accuracy comparable to experimental methods in many cases.参考证据 引用已记录 原文可访问
-
2
AlphaFold revealed the 3D structure of proteins at an atomic level — a breakthrough that can accelerate drug discovery and our understanding of disease.参考证据 引用已记录 原文可访问
- 3