南开大学郑伟教授：AlphaFold并不完美，学术界尚有「弯道超车」的机会

从 AlphaFold 的局限性出发，深度分享端到端大模型之外的可能

原标题：南开大学郑伟教授：AlphaFold并不完美，学术界尚有「弯道超车」的机会
文章来源：HyperAI超神经
内容字数：11478字

AlphaFold并非完美：学术界在蛋白质结构预测领域的突破

本文总结了南开大学郑伟教授在“Meet AI4S”系列直播第六期中关于蛋白质结构预测的演讲内容。演讲指出，尽管AlphaFold2和AlphaFold3在蛋白质结构预测领域取得了突破性进展，并使DeepMind的Demis Hassabis和John M. Jumper获得了2024年诺贝尔化学奖，但AlphaFold仍存在诸多局限性，为学术界提供了进一步研究和改进的空间。

1. AlphaFold的局限性

AlphaFold2和AlphaFold3虽然精度高，但在多域蛋白质、蛋白质复合物、核酸结构以及蛋白质动态/构象变化预测等方面仍有待提升。其预测精度也低于官方报道的90%。这些局限性为学术界提供了大量的研究课题。

2. 超越AlphaFold：其他值得挖掘的方法

在AlphaFold出现之前，蛋白质结构预测主要依赖于实验方法（X射线、核磁共振、冷冻电镜）以及多种计算方法，包括：比较建模/同源建模（利用已知结构模板）、分子动力学模拟（基于能量最小化）、Threading算法（利用序列相似性和结构相似性）、从头预测（de novo prediction，无需模板）以及基于深度学习预测接触图的算法。

3. 郑伟教授团队的突破性成果

郑伟教授团队在蛋白质结构预测领域取得了显著成果，其开发的算法在精度上超越了AlphaFold2/3。团队主要贡献体现在以下几个方面：

1. 蛋白质单体结构预测算法D-I-TASSER：该算法整合了AlphaFold2预测的接触图等信息，在精度上优于AlphaFold2和AlphaFold3，并在CASP比赛中多次名列前茅。
2. 蛋白质复合物结构预测算法DMFold：该算法利用深度学习和宏基因组数据，在预测蛋白质复合物结构方面优于AlphaFold2，在CASP比赛中也取得了优异的成绩。
3. RNA-RNA复合物结构预测算法ExFold：该算法利用Transformer模型和RNA大语言模型，在RNA复合物结构预测方面表现出色，在CASP16的服务器组比赛中排名最高。
4. 蛋白质-RNA复合物结构预测算法DeepProtNA：该算法在预测蛋白质-RNA复合物结构方面精度高于AlphaFold3，在CASP16服务器组比赛中排名第一。
5. 生物大分子变构结构预测算法EnsembleFold：该算法能够预测蛋白质在不同状态下的多个关键构象，在CASP16比赛中排名第一。

这些算法已转化为自动服务器算法，服务于全球众多用户。

4. 未来展望与团队招募

郑伟教授团队的研究表明，AlphaFold并非蛋白质结构预测领域的终点，学术界仍有巨大的发展空间。团队目前正在招募对计算结构生物学或生物信息学感兴趣的硕士、博士和博士后。

联系作者

文章来源：HyperAI超神经
作者微信：
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例