DeepMind把可免費存取的AlphaFold DB蛋白質結構數量，從100萬擴充到2億

Alphabet旗下專門研究人工智慧的子公司DeepMind於本周宣布，已與歐洲生物資訊研究所（EMBL-EBI）合作，將AlphaFold DB中的蛋白質預測結構數量，從100萬擴充到2億，幾乎涵蓋了所有科學上已知的蛋白質，這同時也意味著全球主要的蛋白質資料庫UniProt的絕大多數頁面上，都會出現預測結構。

DeepMind所建置的AlphaFold是個可用來預測蛋白質結構的AI模型，2020年時，AlphaFold 2的準確度中位數達到92.4，就算是在最難的自由建模類別的蛋白質項目中，AlphaFold 2的準確度中位數亦達87。DeepMind在2021年7月開源AlphaFold，並建立了供外界免費存取的蛋白質預測結構資料庫AlphaFold DB。

蛋白質為地球生物必要的組成份子，但其功能取決於它的3D結構，得知蛋白質結構就能進一步地理解它的功用與原理，AlphaFold即提供了預測蛋白質結構的解決方案。

根據DeepMind的統計，自去年7月以來，全球已有超過50萬的研究人員存取AlphaFold DB，以加速研究真實世界中待解決的各種問題，從塑膠污染到抗生素的耐藥性等；此外，在《Nature》期刊上發表的AlphaFold論文，已被引用超過4,000次；開放的結構也被整合至各種公開的資料集中，包括Ensembl、UniProt與OpenTargets。

最新的AlphaFold DB所擴編的蛋白質預測結構涵蓋了植物、細菌、動物與其它有機體，規模為最初資料庫的200倍，科學家可直接透過Google Cloud Public Datasets下載，也能在蛋白質資料庫UniProt中看到新的預測結構。

迄今DeepMind已看到全球的科學家將AlphaFold的成果應用在了解疾病、保護蜜蜂、破解生物謎題到分解塑膠等，也希望更全面的AlphaFold DB可協助更多的科學家執行任務，或是開闢新的研究領域，例如環境蛋白質組（Metaproteomics）。

此外，DeepMind也將邁開腳步，把AI應用在其它有趣且重要的科學挑戰上，包括氣候科學、量子化學與核融合。