平地一声惊雷，Google的AlphaFold2在今年第14届蛋白质结构预测的比赛（CASP14）中对大部分的蛋白实现了原子精度或者接近原子精度的结构预测，把学术界的预测远远甩在后面，不仅仅计算生物学家而且实验结构生物学家也被震惊了。AlphaFold2预测的一个结构甚至帮助结构生物学家发现他们的错误，而另外一些结构，预测与实验的不同很可能是由于结晶导致的表面变化。并且AlphaFold2几个没有预测太好的结构大多是固有无序蛋白，是只有形成多聚体才能有结构的蛋白。想到两年前（CASP13），AlphaFold还只是比学术界好那么一点（预测的结构大体是对的，但细节还不行，见我上次的博客）。而这次比赛，虽然学术界赶上了上次AlphaFold的水平，但AlphaFold2却实现了一个量子的飞跃，似乎彻底解决了这个问题，连颜宁也觉得很多人要失业了。

在刚刚结束的CASP14会议，关于AlphaFold2的具体方法，虽然有一些提示，但还是语焉不详，估计要等下一篇Nature文章发表了之后才能彻底搞清楚。但即使如此，许多在这个领域工作的科研人员（包括我们）都蠢蠢欲动，希望能从这个会议演讲的提示里找到AlphaFold2致胜的杀手锏，估计到第15届，顶尖的课题组就都能赶上AlphaFold2了，避免一家独尊，向Google讨饭吃了。

Credit: deepmind. https://deepmind.com/blog/article/alphafold-a-solution-to-a-50-year-old-grand-challenge-in-biology

但是，AlphaFold2真的解决了蛋白质结构预测的问题了吗？这次CASP14的多数蛋白质有较多的同源序列，所以学术界也都能够比较准确地预测蛋白质的大体形状（topology，见上图）。AlphaFold2比其他组更加成功的原因在于能够对同源序列里面的相关突变信息，不仅仅在主链，而且对支链的结构上进行更加深度、可靠地挖掘。为了尽可能找到最多的同源序列，AlphaFold2用了3个序列数据库（UniREF, BFD, 和MGnify），并且为了学到最多的结构信息，AlphaFold2把所有的17万已知结构都放进数据库里面了。有了这些大数据以及超大的训练（用了128个Google自家独有的 TPU，训练了几周，也就是每周68万美金GoogleCloud的计算量），才实现了原子精度的结构预测，所以不是那个大学的课题组能做的事情，但是它无疑做到了结构预测的极限。

但是假如某个蛋白在其他生物体没有同源序列的话，AlphaFold2也就无能为力了。事实上我们课题组的工作发现，用同源序列的话，蛋白质的二级结构预测可以达到86%左右，接近理论的极限，但没有同源序列，只有单序列信息的情况下，二级结构预测只能达到73%，所以单序列结构预测（真正的蛋白质折叠问题）还任重道远着呢！还请基金会继续支持！