夜雨聆风蛋白质折叠：困扰科学界50年的难题
蛋白质是生命的“工程师”。从细胞的新陈代谢到人体的生长发育，几乎所有生命活动都离不开蛋白质。一个蛋白质由一串氨基酸组成，少则几十个，多则上千个。但这串“项链”会在极短时间内自发折叠成复杂的三维结构——螺旋、折叠、缠绕。蛋白质的功能完全由这个三维结构决定：酶的结构决定了它能催化什么反应，抗体的结构决定了它能识别哪种病毒。一旦折叠出错，就可能引发阿尔茨海默病、帕金森病、癌症等疾病。
从20世纪60年代起，科学家就知道氨基酸序列决定了蛋白质的三维结构。但怎么从序列反推结构？半个多世纪里，全球科研团队前赴后继，也没找到好办法。
为什么这么难？
蛋白质可能采取的折叠方式数量，堪比宇宙中的原子总数。这就是著名的利文索尔佯谬：如果让一条蛋白质链随机尝试所有可能的折叠方式，所需时间将远超宇宙的年龄——但真实的蛋白质却能在几毫秒内完成折叠。
过去，科学家只能靠X射线晶体学、冷冻电子显微镜、核磁共振等实验手段来解析结构。这些方法不仅成本高昂，往往需要花费数月甚至数年才能解析一个结构，而且很多蛋白质根本无法结晶。
结果就是：截至2020年，过去60年里，全球实验解析出的蛋白质结构只有约17万种。而自然界已知的蛋白质数量超过2亿种。60年做了17万个，缺口超过2亿个。
AlphaFold来了
2018年，谷歌DeepMind团队推出AlphaFold，首次参加CASP（蛋白质结构预测关键评估）竞赛，一举超越全球97个参赛团队。它将预测准确率从以往的40%左右提升到近60%。
真正的颠覆发生在2020年。AlphaFold 2在CASP14竞赛中亮相，中位得分高达92.4分（满分100）。超过三分之二的预测结构与实验结果几乎完全一致，达到了原子级别的精准度。CASP的组织者正式承认：困扰学界50年的蛋白质折叠问题被解决了。
| 传统实验方法 | AlphaFold | |
|---|---|---|
| 解析一个蛋白质结构耗时 | 数月到数年 | 几分钟 |
| 60年累计解析数量 | 约17万个 | 超过2亿个 |
| 覆盖率 | 不到1% | 几乎100% |
AlphaFold 2的预测精度最高可达约1.5 Å（埃），与实验测定结果非常接近。2024年5月，AlphaFold 3发布，不仅能预测蛋白质结构，还能解析蛋白质与DNA、RNA、配体、离子的复合物结构。
2024年10月，AlphaFold的两位核心开发者——德米斯·哈萨比斯和约翰·江珀——获得诺贝尔化学奖。这是AI首次登上诺贝尔科学奖的领奖台。
数据库：2亿个结构，免费开放
2021年7月，DeepMind与欧洲生物信息学研究所（EMBL-EBI）合作发布AlphaFold蛋白质结构数据库。初始版本包含超过35万个结构，涵盖人类及20种模式生物，对98.5% 的人类蛋白质结构进行了准确预测。
2022年7月，数据库扩展至超过2.14亿个结构，覆盖约100万个物种——几乎涵盖科学界已知的所有蛋白质。整个数据库超过25TB。
数据采用CC-BY-4.0许可证，学术和商业用途均免费。
谁在用？
截至2025年底，AlphaFold数据库已被全球190个国家的约330万名研究人员使用。其中超过100万用户来自中国、印度等中低收入国家。自2021年AlphaFold 2论文发表以来，短短几年间已被引用近4万次。
有趣的故事
精卵结合的谜题。维也纳分子病理学研究所的生化学家安德烈娅·保利曾陷入长达十年的困惑。2018年，她在斑马鱼卵子表面发现了一种关键蛋白质，取名“Bouncer”（保镖）——没有它，受精不会发生。但她始终搞不清这位“保镖”如何识别精子。
2020年AlphaFold 2横空出世。几分钟内，AI预测出了一种名为Tmem81的精子蛋白结构——它能与另外两个蛋白形成复合物，恰好构建出一个完美的“口袋”，让“Bouncer”得以嵌入结合。困扰科学界十年的生殖谜题，被AI在几分钟内破解。
两名土耳其本科生的故事。《Nature》报道，两名土耳其本科生没有顶尖实验室，没有豪华设备，只靠AlphaFold这个免费网页，完成了15篇结构生物学研究。他们研究的EAAT1——一个在脑细胞膜上转运神经递质的蛋白，传统实验极难解析。借助AlphaFold，他们直接在3D模型上“拆机重组”。放在过去，这是只有顶尖实验室才能啃的项目。
AlphaFold意味着什么？
欧洲生物信息学研究所的生物信息学家珍妮特·桑顿说，这就像结构生物学的“第二次降临”。
斯克里普斯研究所的埃里克·托波尔说：“AlphaFold已经加速并促成了大规模的发现……随着新增加的结构照亮了几乎整个蛋白质世界，我们可以期待每天有更多的生物之谜被解开。”
AlphaFold数据库怎么用？
访问官方网站：https://alphafold.ebi.ac.uk
在搜索框输入蛋白质名称、基因名或UniProt ID即可。搜索结果会用颜色标注预测可信度：深蓝色表示非常可信，红色表示可信度低。
试试搜索这些典型蛋白质：
TP53（或P53） ：最重要的肿瘤抑制蛋白之一，AlphaFold数据库中最受欢迎的蛋白质之一
GFP（绿色荧光蛋白） ：来自水母，能发出绿色荧光，是细胞生物学常用标记工具
Ubiquitin（泛素） ：标记其他蛋白质进行降解的小分子蛋白
Huntingtin（HTT） ：其基因突变导致亨廷顿舞蹈症
AlphaFold证明了一件事：AI不仅能处理人类已有的知识，更能直接探索自然界最深层的物理规律。 它不只是一项技术突破，更是AI从“数字工具”进化为“科学引擎”的里程碑。