“如果你认为AI进展放缓，蛋白断癌点望那只是质A症靶因为你对它关注不够。”2024年9月5日一大早，成模谷歌AI Studio产品总监Logan Kilpatrick在社交媒体上发了一条推文。布阻

当天，蛋白断癌点望谷歌DeepMind团队发布蛋白质AI生成模型AlphaProteo，质A症靶可为多种靶蛋白生成新的成模蛋白结合剂，帮助科学家更好地理解生物系统是布阻如何运作的，节约研究时间，蛋白断癌点望加快药物的质A症靶设计研发等。

这是成模首个用于设计新型高强度蛋白质粘合剂（Protein Binder）的AI模型，也是布阻谷歌从2017年起陆续推出AlphaFold系列生物学预测工具以来，在蛋白质结构预测之外为生物学界带来的蛋白断癌点望又一个突破性的AI工具。

AlphaFold 1 在2018年第13届蛋白质结构预测技术关键评估（CASP）中获得最高分，质A症靶一鸣惊人；AlphaFold 2 2020年在CASP上以高于90%的成模准确率，再次将其他选手远远甩在身后；2023年，Alphafold-latest进一步预测蛋白质结构的能力泛化到核酸、任意小分子配体等其他的生物分子结构的预测上；2024年5月，AlphaFold 3可预测“几乎所有分子类型”的蛋白质复合物结构，并在预测药物相互作用上实现了前所未有的准确性。

这些工具，已经在科学界广泛使用开来。比如，2024年9月4日，《自然》（Nature）刊发英国MRC-格拉斯哥大学和澳大利亚悉尼大学科研团队成果，他们利用AlphaFold和ESMFold胜利预测了黄病毒科数百种病毒的蛋白质结构，包括导致登革热、寨卡病毒和丙型肝炎等病痛的病原体，揭示了病毒如何进入体内并在细胞中复制的关键进入机制，不仅为疫苗开发铺平了道路，还为应对当前Mpox等病毒的威胁和防范未来的大流行病等提供了基础。

AlphaFold可以帮助科研人员深入知道了蛋白质如何相互作用以发挥其功能，但无法创建新的蛋白质来直接操纵这些相互作用。科学家已经创造出胜利结合目标分子的新型蛋白质，但这种蛋白质设计机器学习方法依然十分费力，仍需大量的实验测试。

AlphaProteo的训练数据，包括全球结构生物学界科学家们多年积累的蛋白质数据库（PDB）中的蛋白质数据，以及AlphaFold中的1亿多个预测结构，从而知道分子之间结合的方式，只要给定目标分子结构和首选结合位置，就能生成在这些位置与目标分子结合的候选蛋白质。

具体来看，AlphaProteo可为多种靶蛋白生成新的蛋白结合剂，包括与癌症和糖尿病并发症相关的VEGF-A（血管内皮生长因子A）。在团队测试的七种目标蛋白质上，AlphaProteo实现了更高的结合胜利率，并且比现有方法提高了3-300倍的结合亲和力。

例如，病毒蛋白BHRF1这一特定靶标在湿实验室测试时，88%的候选分子都能胜利结合。根据测试目标，AlphaProteo的结合强

(责任编辑：{typename type="name"/})