由DeepMind 創始人兼首席執行官Demis Hassabis 與EMBL 合作開發的AlphaFold 數據庫，包含了人類已知的幾乎所有蛋白質形狀的AI 建模預測。擴展數據庫中儲存了大約2 億種蛋白質（比如人體可產生的一整套蛋白質），幾乎涵蓋了地球上通過基因組測序進行編目的所有生物。

（圖自：Karen Arnott / EMBL-EBI）

Demis Hassabis 表示：“AlphaFold 已成為全球數十萬實驗室和大學科學項目不可或缺的一款工具，這著實讓我們感到驚訝”。

在去年首次推出時，AlphaFold 僅包含了一組35 萬個蛋白質結構預測，然後很快增加到了100 萬（最近該數字已至2 億）。

數據庫中模擬了多種生物體的蛋白質，涵蓋了植物、細菌、動物等生命形式。

截止目前，已有來自190 個國家或地區的50 萬研究人員，在其工作過程中訪問了AlphaFold 。

自推出以來，來自AlphaFold 的信息也有被超過1000 篇論文所收錄。

在嘗試解決某些對人類來說相當緊迫的問題時，科學家們將極大地受益於此。

比如數據庫中的17 種蛋白質，就與某些“被忽視的熱帶疾病”有關—— 而這些疾病，又影響著全世界超過10 億人的生活。

據“被忽視疾病藥物倡議”（DNDI）組織預測，AlphaFold 可幫助研究人員較以往更快地發現有望用於此類疾病治療的分子。

與此同時，DNDI 本身也在使用該數據庫來應對“恰加斯病”（Chagas disease）和“利甚曼病”（Leishmaniasis）。

隨著DeepMind 和EMBL 決定免費開放該數據庫，這對發展中國家的科學家和研究人員們來說也是一個巨大的利好。

某些地區可能受到了特定疾病“不成比例”的影響，而AlphaFold 正好有望在此過程中提供力所能及的幫助，尤其是那些缺乏經費支撐的關鍵研究工作。

加速科學發現 Alphafold 項目 – DNDi（通過）

DeepMind 研究科學家兼AlphaFold 負責人John Jumper 對此寄予了厚望，表示發布該數據庫的初衷，就是希望其它團隊也可在當前已取得進展的基礎上再接再厲。

這是一個屬於結構生物學的嶄新時代，基於人工智能的方法將推動令人難以置信的進步。

此外許多其它AI 研究組織現也進入了該領域，並正利用AlphaFold 來創造進一步的突破。