Highly accurate protein structure prediction with AlphaFold
★★★★★Jumper et al. (DeepMind) · Nature 2021 2021
五十年蛋白质折叠难题的终结：Evoformer + 结构模块把预测精度推到与实验误差同级，AI for Science 的标杆之作。
蛋白质与生命科学
Proteins & Life Science 活跃前沿AlphaFold 革命之后：结构预测的产业级落地、蛋白质语言模型与 AI 药物设计的现实检验。
代表机构： Google DeepMind / Isomorphic LabsMeta FAIR（ESM）Baker Lab（蛋白质设计）
概述
AlphaFold2 在 CASP14（2020）上把结构预测精度推到「实验可替代」级别，2021 年论文加开放代码引爆整个领域；2022 年 DeepMind 公开 2 亿+ 蛋白质结构数据库，相当于把 50 年的 X 射线晶体学工作量变成一次搜索。方法论上它示范了 AI4S 的完整剧本：注意力机制处理残基对关系 + 几何先验约束 + 端到端学习。
两条后续主线：一是蛋白质语言模型（ESM 系列）证明「仅凭序列」的预训练就能学出结构与功能信息，路线更轻、更「LLM 味」；二是从「预测」走向「设计」——Baker 实验室的 RFdiffusion 直接生成全新蛋白质，配合 AlphaFold3 对蛋白-配体复合物的预测，AI 药物设计（AIDD）从叙事走进管线。冷静的声音也存在：临床失败的终审权仍在湿实验，AI 改变的是「找到候选」的成本，不是「验证候选」的成本。
看点
AlphaFold 系列选择只发 Nature/Science 而不占会议版面，定义了 AI4S 的发表范本。下一个等价的「结构生物学时刻」会出现在 RNA、代谢网络还是脑连接组？
经典工作
- Highly accurate protein structure prediction（2021，AlphaFold2）
- Language models of protein sequences at scale（2022，ESM-2）
- AlphaFold 3（2024）
论文精读
全部论文 →演进脉络
完整时间线 →-
AlphaFold2 破解蛋白质折叠 2021 年 7 月 15 日
DeepMind 在 CASP14 上把蛋白质结构预测做到原子级精度，随后开源代码并公开两亿蛋白质结构数据库，生命科学进入「结构即服务」时代，AI for Science 的标杆时刻。
-
AlphaFold 3：从结构到相互作用 2024 年 5 月 8 日
DeepMind 与 Isomorphic Labs 发布 AlphaFold 3，把预测范围扩展到蛋白质与 DNA、RNA、配体的复合物，直接瞄准药物发现的核心问题，AI4S 管线再下一城。