AlphaFold
AlphaFold是由Google DeepMind开发的人工智能蛋白质结构预测系统，能够根据氨基酸序列高精度预测蛋白质的三维空间结构。该系统基于深度学习技术，解决了困扰生物学界数十年的蛋白质折叠问题，可广泛应用于药物研发、疾病机理研究及生物工程等领域，其预测结果数据库已向科学界开放共享。
核心事实
时间轴 (近 90 天)
AlphaFold数据库已覆盖超过2亿个蛋白质结构预测
DeepMind在AlphaFold上采取了相对开放的策略，将预测数据库免费开放给全球研究者
随着AlphaFold、ESMFold等模型逐步成熟，越来越多研究项目开始在蛋白质组尺度上运行结构预测
DeepMind发布AlphaFold时曾引发类似讨论,但最终通过了严格的学术检验
结构生物学家通过X射线晶体学和冷冻电镜积累的蛋白质数据银行（PDB）中包含超过20万个蛋白质结构，构成了AlphaFold训练的基础
AlphaFold预测的是蛋白质的静态平衡态结构，无法捕捉病毒动态运作、免疫逃避和高效传播等生物功能
结构生物学家通过X射线晶体学和冷冻电镜积累了PDB中超过20万个蛋白质结构，构成AlphaFold训练的基础
DeepMind正在开发智能体框架，将AlphaFold、AlphaGenome等不同专业化模型整合在一起
AlphaFold解决蛋白质结构预测，AlphaGenome Atlas进一步回答基因变化会导致什么功能结果
AlphaFold系列用于蛋白质结构预测，基因组语言模型用于DNA序列设计，大幅加速了合成生物学过程
还有 11 条时间轴事件
全部知识事实 (20)
AlphaFold是DeepMind于2020年推出的蛋白质结构预测系统
90%已验证John Jumper因领导AlphaFold项目解决蛋白质结构预测问题而获得2024年诺贝尔化学奖
75%已验证AlphaFold被《Science》评为2021年年度突破
75%已验证Google DeepMind提出了Nested Learning（嵌套学习）相关方法
65%已验证AI 在蛋白质结构预测（AlphaFold）、数学定理证明（AlphaProof）、材料发现（GNoME）等领域已取得突破性成果
65%待验证DeepMind的AlphaFold3将蛋白质结构预测扩展到DNA、RNA和小分子配体
90%待验证蛋白质折叠问题困扰生物学界长达50年
85%待验证DeepMind公开了超过2亿个蛋白质的预测结构数据库，覆盖了几乎所有已知蛋白质
70%待验证AlphaFold数据库已覆盖超过2亿个蛋白质结构预测
50%待验证DeepMind在AlphaFold上采取了相对开放的策略，将预测数据库免费开放给全球研究者
50%待验证随着AlphaFold、ESMFold等模型逐步成熟，越来越多研究项目开始在蛋白质组尺度上运行结构预测
50%待验证DeepMind发布AlphaFold时曾引发类似讨论,但最终通过了严格的学术检验
50%待验证结构生物学家通过X射线晶体学和冷冻电镜积累的蛋白质数据银行（PDB）中包含超过20万个蛋白质结构，构成了AlphaFold训练的基础
50%待验证AlphaFold预测的是蛋白质的静态平衡态结构，无法捕捉病毒动态运作、免疫逃避和高效传播等生物功能
50%待验证结构生物学家通过X射线晶体学和冷冻电镜积累了PDB中超过20万个蛋白质结构，构成AlphaFold训练的基础
50%待验证AlphaFold解决蛋白质结构预测，AlphaGenome Atlas进一步回答基因变化会导致什么功能结果
50%待验证AlphaFold系列用于蛋白质结构预测，基因组语言模型用于DNA序列设计，大幅加速了合成生物学过程
50%待验证以AlphaFold和RFdiffusion为代表的深度学习方法设计的候选蛋白分子在湿实验中命中率通常只有10-15%
50%待验证E(3)-等变图神经网络已在蛋白质结构预测和分子性质预测中展现出显著优势
50%待验证AlphaFold 是应用于蛋白质结构预测的AI模型，代表了AI在科研中特定专用模型层面的应用
50%