大约五年前，DeepMind（Google最多产的以人工智能为中心的研究实验室之一）推出了 AlphaFold，这是一个可以准确预测人体内许多蛋白质结构的人工智能系统。 从那时起，DeepMind 对系统进行了改进，于 2020 年发布了 AlphaFold 的更新且功能更强大的版本——AlphaFold 2。

实验室的工作仍在继续。今天，DeepMind 透露，最新版本的 AlphaFold（AlphaFold 2 的后继者）可以对蛋白质数据库（世界上最大的生物分子开放获取数据库）中的几乎所有分子生成预测。

据 DeepMind 博客上的一篇文章称，专注于药物发现的 DeepMind 衍生公司 Isomorphic Labs 已经将新的 AlphaFold 模型应用于治疗药物设计，帮助表征对治疗疾病很重要的不同类型的分子结构。

新的 AlphaFold 的功能超出了蛋白质预测的范围。DeepMind 声称，该模型还可以准确预测配体的结构 - 与“受体”蛋白结合并导致细胞通讯方式发生变化的分子）以及核酸（包含关键遗传信息的分子）和翻译后修饰（化学修饰）的结构。 蛋白质产生后发生的变化。

DeepMind 指出，预测蛋白质配体结构可以成为药物发现的有用工具，因为它可以帮助科学家识别和设计可能成为药物的新分子。

目前，药物研究人员使用称为“对接方法”的计算机模拟来确定蛋白质和配体如何相互作用。 对接方法需要指定参考蛋白质结构以及该结构上配体结合的建议位置。

然而，使用最新的 AlphaFold，无需使用参考蛋白质结构或建议位置。 该模型可以预测以前尚未“结构表征”的蛋白质，同时模拟蛋白质和核酸如何与其他分子相互作用——DeepMind 表示，目前的对接方法无法实现这种建模水平。

DeepMind 在博文中写道：“早期分析还表明，我们的模型在一些与药物发现相关的蛋白质结构预测问题（例如抗体结合）上远远优于（上一代）AlphaFold。我们的模型在性能上的巨大飞跃表明人工智能具有极大增强对构成人体的分子机器的科学理解的潜力。”

不过，最新的 AlphaFold 并不完美。DeepMind 和 Isomorphic Labs 的研究人员在一份详细介绍该系统优势和局限性的白皮书中透露，该系统无法达到预测 RNA 分子（人体内携带制造蛋白质指令的分子）结构的一流方法。

毫无疑问，DeepMind 和 Isomorphic Labs 都在努力解决这个问题。