蛋白质是人体内的微观工作马达，驱动着从氧气运输到肌肉收缩的一切过程。它们的复杂3D结构决定了其功能，而理解这些形状是揭示生命奥秘的关键。
AlphaFold是由Google DeepMind开发的人工智能工具，通过在几分钟内准确预测氨基酸序列的蛋白质结构，推动了这一领域的发展。这项任务过去需要多年的实验工作。AlphaFold的创造者因此在2024年10月获得了诺贝尔化学奖。
AlphaFold数据库中已有超过2亿个预测的蛋白质结构，全球有超过250万用户（包括亚太地区的100多万用户）正在使用它来推进生物学和医学研究。其中包括由新加坡科技研究局（A*Star）领导的一个多学科研究团队，该团队正在研究帕金森病。
帕金森病是一种使人衰弱的神经退行性疾病，影响全球数百万人的运动技能和生活质量。早期诊断仍然是一个挑战，阻碍了及时的干预和治疗。A*Star与杜克-新加坡国立大学医学院和国家神经科学研究所合作，使用AlphaFold研究一种名为Stip1（应激诱导磷酸蛋白1）的特定蛋白质在疾病发展和进展中的作用。
Stip1在大脑和肾脏中高表达，对确保其他蛋白质正确折叠起着重要作用。在各种疾病中，包括帕金森病和阿尔茨海默病，Stip1水平升高。具体来说，在帕金森病患者中，Stip1的增加与自身抗体的上升相关，这些自身抗体会错误地攻击身体自身的组织和蛋白质。
在一次媒体简报会上，A*Star的新加坡免疫网络研究员Jackwee Lim解释了AlphaFold如何提供有关Stip1结构和相互作用的见解。
“AlphaFold使我们能够创建Stip1的3D模型，展示其不同区域以及它们在线性或非线性方式或空间中的相互作用，”Lim说。他指出，该模型用于绘制与Stip1协同工作的其他蛋白质（如HSP70和HSP90）的结合位点。这将帮助研究人员理解自身抗体如何可能干扰Stip1的正常活动，导致蛋白质错误折叠聚集，这是神经退行性疾病的一个标志。
这项仍在进行中的研究具有很大的潜力，可以开发出基于血液的帕金森病诊断方法。测量Stip1特异性自身抗体可以提供早期检测方法，从而实现及时干预。该团队的工作证明了AlphaFold在加速研究时间线方面的强大能力，提供了以前无法获得的见解。
除了帕金森病，AlphaFold还在该地区的多种应用中得到部署。例如，在菲律宾，国际水稻研究所的研究人员正在使用AlphaFold研究水稻中的磷酸化过程，这是一个控制水稻植物如何应对环境压力的关键过程。
通过预测参与此过程的蛋白质的3D结构，科学家们希望识别出使某些水稻品种更能抵抗干旱和疾病的分子机制，最终开发出更强壮的水稻品种，以促进粮食安全。
研究人员还使用AlphaFold来理解蜜蜂免疫系统中的一个中心蛋白质，将研究时间从几年缩短到几天，并为改善这种对授粉和农业至关重要的关键物种的生存奠定了基础。
去年，Google DeepMind发布了AlphaFold的新版本，使科学家能够预测更复杂的生物分子（如DNA、RNA、配体和离子）的结构，从而为他们提供更丰富和全面的生物相互作用视图，Google DeepMind的产品经理Dhavi Hariharan说。
然而，像AlphaFold这样强大的技术的广泛可用性也引发了一些伦理问题。Hariharan表示，公司在发布AlphaFold之前进行了彻底的伦理审查，认为其益处远大于潜在风险。公司还优先考虑使全球研究人员都能访问AlphaFold，无论他们的资源如何，并积极提供教育资源和支持，以促进该技术的使用，她补充道。
(全文结束)
