蛋白質結構預測系統AphaFold有哪些亮點應用？

今日（3/27），Google DeepMind團隊和新加坡科研局（A*STAR）分享了蛋白質預測模型AlphaFold及其資料庫的亮點應用，比如用來理解水稻磷酸化過程的蛋白質結構，找出能在惡劣條件下生長的優良水稻，或是用來尋找蜜蜂免疫系統中的關鍵蛋白質結構，以及理解STIP1蛋白質結構，也就是一種能減少帕金森氏症患者大腦中蛋白質聚合的蛋白質。

此外，Google也透露，在臺灣已有2萬7千名使用者採用AlphaFold資料庫，使用範圍包括結構同源性搜尋、理解蛋白質功能，以及生成精確的序列比對等。

AlphaFold預測蛋白質結構，解決50年難題

Google DeepMind生命科學產品經理Dhavanthi Hariharan指出，AlphaFold的起源，來自於團隊想解決蛋白質折疊難題。在過去，解析蛋白質結構的傳統方法非常耗時，比如人們花了20年才理解血紅素的立體結構。因此過去50年來，科學家們一直想突破蛋白質3D結構的預測難題，希望用更快更準確的方法完成預測。

Dhavanthi Hariharan解釋，蛋白質由一連串胺基酸單元組成，這些胺基酸有著立體結構，這些結構影響著蛋白質的功能。於是DeepMind團隊假設，如果已知蛋白質中胺基酸單元的序列，那麼就能用來預測蛋白質結構，解決蛋白質折疊問題。

於是他們用深度學習技術，打造出Alpha fold 2，可用胺基酸序列精準預測出高品質的蛋白質結構。他們也在2021年，與歐洲生物資訊研究所聯手釋出AlphaFold蛋白質結構資料庫，包含2億個蛋白質結構預測，免費提供給研究單位使用。

至今，這個蛋白質結構預測資料庫AlphaFold，在全球已有250萬名使用者、橫跨190個國家，其中超過100萬名使用者來自亞太地區。

在臺灣，則有27,000名使用者採用了AlphaFold資料庫，範圍涵蓋結構同源性搜尋、理解蛋白質功能，以及生成精確的序列比對。例如，臺大研究員用AlphaFold來鑑定和表徵參與配子融合的蛋白質超家族，也就是具有相似核心結構的蛋白質群體，並運用其準確性，來進行結構同源性搜尋。

3個亮點應用：水稻、蜜蜂和帕金森氏症

Dhavanthi Hariharan分享幾個有趣的AlphaFold應用案例，首先是菲律賓國際稻米研究所的稻米磷酸化過程研究，他們利用AlphaFold 3來預測這個過程中的蛋白質立體結構，讓科學家理解磷酸化過程在分子上是如何進行的。如此就能知道，為何有些稻米更能抗旱或疾病，進而能開發出在惡劣條件下生長的更優良水稻品種。

另一個例子是，運用AlphaFold來理解蜜蜂免疫系統中的關鍵蛋白質結構，還能根據這個知識，來保護同樣脆弱的動物，如青蛙、海龜等。Dhavanthi Hariharan指出，透過AlphaFold，可將原本數年的研究時間縮短為幾天。

還有個例子是加速帕金森氏症的蛋白質結構研究。新加坡科研局A*STAR研究員Jackwee Lim指出，帕金森氏症患者通常會有2種特徵，如行動受影響，以及蛋白質聚合／累積。然而，一種名為STIP1的蛋白質可以減少蛋白質聚合現象，這也是新加坡科研局用AlphaFold的研究對象，用來預測STIP1蛋白質的分子結構（如下圖），希望以這些結構和蛋白質的作用機制，來改善未來的帕金森氏症診斷和治療。