今日（3/27），Google DeepMind团队和新加坡科研局（ASTAR）分享了蛋白质预测模型AlphaFold及其数据库的亮点应用，比如用来理解水稻磷酸化过程的蛋白质结构，找出能在恶劣条件下生长的优良水稻，或是用来寻找蜜蜂免疫系统中的关键蛋白质结构，以及理解STIP1蛋白质结构，也就是一种能减少帕金森氏症患者大脑海中蛋白质聚合的蛋白质。
此外，Google也透露，在台湾已有2万7千名用户采用AlphaFold数据库，使用范围包括结构同源性搜索、理解蛋白质功能，以及生成精确的串行比对等。
AlphaFold预测蛋白质结构，解决50年难题
Google DeepMind生命科学产品经理Dhavanthi Hariharan指出，AlphaFold的起源，来自于团队想解决蛋白质折叠难题。在过去，解析蛋白质结构的传统方法非常耗时，比如人们花了20年才理解血红素的立体结构。因此过去50年来，科学家们一直想突破蛋白质3D结构的预测难题，希望用更快更准确的方法完成预测。
Dhavanthi Hariharan解释，蛋白质由一连串氨基酸单元组成，这些氨基酸有着立体结构，这些结构影响着蛋白质的功能。于是DeepMind团队假设，如果已知蛋白质中氨基酸单元的串行，那么就能用来预测蛋白质结构，解决蛋白质折叠问题。
于是他们用深度学习技术，打造出Alpha fold 2，可用氨基酸串行精准预测出高品质的蛋白质结构。他们也在2021年，与欧洲生物资讯研究所联手发布AlphaFold蛋白质结构数据库，包含2亿个蛋白质结构预测，免费提供给研究单位使用。
至今，这个蛋白质结构预测数据库AlphaFold，在全球已有250万名用户、横跨190个国家，其中超过100万名用户来自亚太地区。
在台湾，则有27,000名用户采用了AlphaFold数据库，范围涵盖结构同源性搜索、理解蛋白质功能，以及生成精确的串行比对。例如，台大研究员用AlphaFold来鉴定和表征参与配子融合的蛋白质超家族，也就是具有相似核心结构的蛋白质群体，并运用其准确性，来进行结构同源性搜索。
3个亮点应用：水稻、蜜蜂和帕金森氏症
Dhavanthi Hariharan分享几个有趣的AlphaFold应用案例，首先是菲律宾国际稻米研究所的稻米磷酸化过程研究，他们利用AlphaFold 3来预测这个过程中的蛋白质立体结构，让科学家理解磷酸化过程在分子上是如何进行的。如此就能知道，为何有些稻米更能抗旱或疾病，进而能开发出在恶劣条件下生长的更优良水稻品种。
另一个例子是，运用AlphaFold来理解蜜蜂免疫系统中的关键蛋白质结构，还能根据这个知识，来保护同样脆弱的动物，如青蛙、海龟等。Dhavanthi Hariharan指出，通过AlphaFold，可将原本数年的研究时间缩短为几天。
还有个例子是加速帕金森氏症的蛋白质结构研究。新加坡科研局ASTAR研究员Jackwee Lim指出，帕金森氏症患者通常会有2种特征，如行动受影响，以及蛋白质聚合／累积。然而，一种名为STIP1的蛋白质可以减少蛋白质聚合现象，这也是新加坡科研局用AlphaFold的研究对象，用来预测STIP1蛋白质的分子结构（如下图），希望以这些结构和蛋白质的作用机制，来改善未来的帕金森氏症诊断和治疗。
