作者：柯国霖，深势科技机器学习负责人
一、 蛋白质测序背景
在药物设计中，最关键的两个对象是蛋白质和小分子其，主要特征是小分子药物。比如口服药物进入体内之后，跟身体内某些蛋白的靶点结合，从而改变蛋白的某些功能，实现药物效果。综上所述，靶点药物最关键的是蛋白结构，所以蛋白质结构预测是非常关键的问题。
对于小分子来说，小分子药物是否有毒？好不好代谢？好不好溶解？能否跟靶点结合？这些问题都是非常有挑战性的。
蛋白结构预测的本质是通过蛋白的一级结构，即氨基酸序列，预测蛋白质的三级结构，即安基酸序列上所有原子在空间上的坐标。
目前已知的蛋白序列高达几十亿，但解除蛋白质结构非常消耗实验资源，已知的蛋白结构只有十几万。
常见的蛋白质有两种，即单链蛋白和多链蛋白。最近，很多科研人员将工作集中在单链结构预测上，这些链来自于多聚体组合，利用MSA和自振数据，被DeepMind和AlphaFold很好地解决了。
在自然界中，蛋白质是由多条链组成的集合体，PDB中超过50%的蛋白质是多聚体。所以多聚体的结构预测更具挑战性，但也更重要，但多聚体获得的关注较少。
接下来，讲一讲AlphaFold。AlphaFold是DeepMind开源的人工智能系统，借助AlphaFold可以更加准确的预测蛋白质的形状。目前，主要应用于医疗保健和生命科学领域，有可能加速药物的研究与发现。
虽然AlphaFold有开源代码，但只开放了推理代码，训练代码和训练数据其实没有开放。除此之外，AlphaFold的资源的消耗非常大，给科研人员带来了很多新的困难。
