大約五年前，DeepMind（Google最多產的以人工智慧為中心的研究實驗室之一）推出了AlphaFold，這是一個可以準確預測人體內許多蛋白質結構的人工智慧系統。從那時起，DeepMind 對系統進行了改進，於2020 年發布了AlphaFold 的更新且更強大的版本——AlphaFold 2。

實驗室的工作仍在繼續。今天，DeepMind 透露，最新版本的AlphaFold（AlphaFold 2 的後繼者）可以對蛋白質資料庫（世界上最大的生物分子開放獲取資料庫）中的幾乎所有分子生成預測。

根據DeepMind 部落格上的一篇文章稱，專注於藥物發現的DeepMind 衍生公司Isomorphic Labs 已經將新的AlphaFold 模型應用於治療藥物設計，幫助表徵對治療疾病很重要的不同類型的分子結構。

新的AlphaFold 的功能超出了蛋白質預測的範圍。DeepMind 聲稱，該模型還可以準確預測配體的結構- 與「受體」蛋白結合並導致細胞通訊方式發生變化的分子）以及核酸（包含關鍵遺傳訊息的分子）和翻譯後修飾（化學修飾）的結構。蛋白質產生後所發生的變化。

DeepMind 指出，預測蛋白質配體結構可以成為藥物發現的有用工具，因為它可以幫助科學家識別和設計可能成為藥物的新分子。

目前，藥物研究人員使用稱為「對接方法」的電腦模擬來確定蛋白質和配體如何相互作用。對接方法需要指定參考蛋白質結構以及該結構上配體結合的建議位置。

然而，使用最新的AlphaFold，無需使用參考蛋白質結構或建議位置。該模型可以預測以前尚未「結構表徵」的蛋白質，同時模擬蛋白質和核酸如何與其他分子相互作用——DeepMind 表示，目前的對接方法無法實現這種建模水平。

DeepMind 在部落格文章中寫道：「早期分析還表明，我們的模型在一些與藥物發現相關的蛋白質結構預測問題（例如抗體結合）上遠遠優於（上一代）AlphaFold。我們的模型在性能上的巨大飛躍表明人工智慧具有極大增強對構成人體的分子機器的科學理解的潛力。”

不過，最新的AlphaFold 並不完美。DeepMind 和Isomorphic Labs 的研究人員在一份詳細介紹該系統優勢和局限性的白皮書中透露，該系統無法達到預測RNA 分子（人體內攜帶製造蛋白質指令的分子）結構的一流方法。

毫無疑問，DeepMind 和Isomorphic Labs 都在努力解決這個問題。