Highly Accurate Protein Structure Prediction with AlphaFold

为什么这篇论文重要

“蛋白质折叠”是生物学的”圣杯问题”——50 年来无解。

AlphaFold 2 在 2020-2021 年用 AI 解决了它。

2024 年 10 月—— John Jumper（AlphaFold 主要作者）和 Demis Hassabis（DeepMind CEO）获得诺贝尔化学奖。

这是 AI 第一次得诺贝尔奖。

也是计算机科学家第一次因为”解决了一个其它学科的问题”得到该学科最高奖项。

蛋白质折叠是什么

生物学基础

蛋白质是生命的功能分子——做几乎所有事：

• 酶（催化反应）
• 抗体（免疫）
• 结构（肌肉、皮肤）
• 信号（激素）

每个蛋白质由 20 种氨基酸组成的一串”序列”——但它的功能由 3D 形状决定，不是序列。

一维序列: MKTAYIAKQRQISFVKSHFSRQ...  (基因决定的)
                ↓
              折叠
                ↓
三维结构: 复杂的 3D 形状 (决定功能)

“折叠” 是序列 → 形状的过程。在生物体内瞬间发生。

为什么这是个难题

理论上，给定序列，3D 结构由物理规律唯一决定—— 但实际计算太复杂：

• 一个 100 氨基酸的蛋白可能有 10⁴⁷⁵ 种构象
• 比宇宙中的原子还多
• 暴力搜索完全不可能

50 年来，科学家用：

• X 射线晶体学（实验测）——昂贵、慢、不是所有蛋白都能测
• 冷冻电镜——更新方法，仍然慢贵

结果：人类有几十亿蛋白序列，但只测出了几十万 3D 结构—— 还有几亿个未知。

AlphaFold 之前

CASP（Critical Assessment of Structure Prediction）是双年一次的蛋白结构预测比赛。

2018 年 CASP13：AlphaFold 1 —— DeepMind 第一次参赛。 2020 年 CASP14：AlphaFold 2 —— 准确率 92.4 GDT—— 接近实验精度。第二名只有 75。

这不是渐进改善——这是范式革命。 问题被解决了。

AlphaFold 2 的核心技术

1. Evoformer（自定义 Transformer）

不是普通 Transformer—— AlphaFold 设计了一个专门处理”多序列对比 + 残基对”的双轨注意力：

输入:
- MSA（多序列对比）—— 同源蛋白质序列堆叠
- Residue pairs —— 每对氨基酸的"距离"特征

Evoformer 让 MSA 和 pairs 互相 attention 48 层：
- MSA 信息 → 更新 pairs
- pairs 信息 → 更新 MSA
- 反复迭代

核心：让”进化信号”（同源序列）和”几何关系”（距离）互相约束。

2. Structure Module（结构生成）

最后阶段，用 IPA（Invariant Point Attention）从 pairs 信息直接预测 3D 坐标：

每个氨基酸 = 一个"刚体"（3D 位置 + 旋转）
模型预测每个刚体的位置和旋转

IPA 的精妙之处：天然遵守”旋转/平移不变性”—— 转动整个分子，预测的”相对距离”不变。这是物理对称性。

3. Recycling（循环迭代）

预测一次后，把结果反馈回去再预测——3 次 recycling 让精度持续提升。

类似人类”先粗看再细看”。

训练

• 数据：PDB（蛋白质数据库）的所有已知结构——约 17 万个
• 算力：128 张 TPU v3，几周训练
• 规模：5 亿参数（相对小，但精心设计）

结果：训完后能预测任意蛋白结构。

CASP14 的成绩

任务	AlphaFold 2	第二名	实验精度
整体 GDT_TS	92.4	75.5	~95
困难目标 GDT_TS	87.0	50-60	~95

接近实验精度——意味着可以用 AI 预测替代昂贵的 X 射线晶体学。

CASP 主席 John Moult 评价： “It’s a game changer. … the protein folding problem is largely solved.”

AlphaFold 之后

DeepMind 做了一件史诗级的事：

预测了所有已知物种的全部蛋白结构——2 亿+。 2022-2023 年逐步开放给科学界。

50 年生物学家手工做了 17 万个，AI 几个月做了 2 亿个。

AlphaFold 数据库的影响

每天数万研究者访问：

• 找新药靶点
• 设计酶
• 理解疾病机制
• 加速疫苗开发

这是 AI 对人类的”实际贡献”——而不只是”产品功能”。

AlphaFold 3 (2024)

DeepMind 又升级了：

• 不只蛋白——预测蛋白 + DNA + RNA + 配体的复合体结构
• 用 Diffusion 替代了部分 Structure Module
• 准确度进一步提升

这让”药物设计”的 AI 化更进一步—— 靶蛋白 + 候选药物的结合方式可以 AI 预测。

一些细节

团队组成

AlphaFold 团队 既不是纯 ML 也不是纯生物——

• ML 研究者
• 计算生物学家
• 结构生物学家
• 物理学家

跨学科是关键——纯 ML 团队做不出来。

“AlphaFold 是不是 AI 终结了生物学”

不—— 它解决了一个旧问题，开启了一堆新问题：

• 蛋白如何与其它分子相互作用？
• 动态构象怎么预测？
• 多蛋白复合体？
• 设计全新蛋白？

解决一个问题 = 让 10 个新问题清晰起来。

为什么没有”AlphaFold for X”

AlphaFold 成功的几个因素：

1. 大量训练数据（PDB 50 年积累）
2. 明确目标（3D 坐标，可衡量）
3. 物理约束（蛋白折叠遵守已知规律）

其它生物问题（药物设计、CRISPR）数据量小—— 所以没有同等突破。

这篇论文的意义

它重新定义了”AI 能做什么”：

之前：AI 玩游戏、翻译、生成图——人类活动 AlphaFold：AI 解决自然界的科学问题——

“AI for Science” 时代的开启者。

后续 AI for Science 浪潮

• AlphaMissense（DeepMind 2023）：预测基因变异是否致病
• AlphaProteo（DeepMind 2024）：设计全新蛋白
• DeepMind 数学：解决数学猜想（IMO 银牌）
• AlphaFold-NMR / Diffusion 蛋白设计 等等

2025-2030 年最重要的 AI 应用，可能不是 ChatGPT，是 AlphaFold 的延伸。

代码

DeepMind 开源了完整 AlphaFold 2 代码 + 预训练权重：

git clone https://github.com/google-deepmind/alphafold.git

但运行需要：

• 大量序列数据库（~3TB）
• GPU 推理（8GB+ 显存）
• 复杂的依赖

入门更简单的方式：

• ColabFold（开源社区简化版）：在 Google Colab 上几分钟预测一个蛋白
• AlphaFold Server（DeepMind 官方）：网页输入序列，免费预测

推荐配套阅读

• AlphaFold 2 Nature 论文（2021）—— 主论文
• AlphaFold 3 Nature 论文（2024）—— 最新版
• HelloAI: L5-01 多模态总览 中 “AI for Science” 部分
• Mohammed AlQuraishi 的 NeurIPS 演讲 —— AlphaFold 之前的人是怎么想的