Nature | AlphaFold再上新台阶: AI蛋白质数据库首次加入蛋白互作配对信息

DRUGONE

包含近 2 亿个蛋白质结构预测 的 AlphaFold 数据库再次扩展，并首次加入 蛋白质复合体预测，使这一人工智能资源在解析生命分子如何协同工作方面迈入新的阶段。

长期以来，AlphaFold 数据库已经收录了几乎地球上所有已知蛋白质的单体结构预测，如今研究人员首次加入了 170 万个同源二聚体(homodimer)的预测结果，即由同一种蛋白分子的两条链相互结合形成的复合体。这一更新使数据库不仅能够描述蛋白质本身的结构，还能够揭示蛋白质之间如何配对并发挥功能。

目前，这个公开数据库由欧洲分子生物学实验室欧洲生物信息学研究所(EMBL-EBI)维护，数据库中约 2 亿个蛋白质结构预测 来自 DeepMind 开发的 AlphaFold2 模型。自 2021 年发布以来，该数据库已经成为分子生物学研究的重要基础资源，许多研究在探索生命分子机制时都会首先查阅这一数据库。

然而，早期版本的数据库只包含单个蛋白质结构，并不包括蛋白质复合体的信息，而在真实生物体系中，许多蛋白质只有在形成复合体后才具有功能。例如，HIV-1 蛋白酶 只有在两个相同蛋白结合形成二聚体时才能成为活性酶。此前数据库中虽然包含该蛋白的单体结构，但并不能完整反映其真实功能状态。

参与该项目的首尔国立大学计算生物学家 Martin Steinegger 表示，研究人员希望将 AlphaFold 数据库提升到新的层次，使其能够在整个生命树范围内提供大量复合体结构预测，而不仅仅是单体蛋白。

预测复合体比预测单体更困难

Steinegger 指出，预测两个蛋白组成的复合体与预测单个蛋白结构完全不同，其计算复杂度更高。蛋白质复合体预测需要更庞大的算力，因此研究人员组成了一个合作联盟，共同完成这一任务。该联盟包括 Steinegger 团队、EMBL-EBI、Google DeepMind，以及芯片公司 NVIDIA。

研究人员选择了 20 种研究最充分的物种 作为预测对象，其中包括人类、小鼠、酵母以及多种致病细菌，例如结核分枝杆菌。在最初阶段，研究团队尝试预测这些物种中每一个蛋白作为同源二聚体时的结构，总计产生约 3000 万个预测结果。

由于担心非专业用户可能会不加判断地直接使用数据库结果，研究团队只保留了质量达到严格标准的预测，最终筛选出 约 170 万个高可信度同源二聚体结构 被正式纳入 AlphaFold 数据库。

NVIDIA 生物信息学家 Christian Dallago 表示，即使经过严格筛选，这些预测仍可能存在错误，因此用户在使用时需要保持谨慎。

EMBL-EBI 的 Sameer Velankar 也提醒，数据库中的部分复合体预测仍可能不准确，研究人员在实际研究中应结合实验验证。

下一步：加入异源二聚体

除了同源二聚体之外，数据库还将在未来加入 异源二聚体（heterodimer） 的预测，即由两种不同蛋白组成的复合体。

研究团队已经预测了约 800 万个异源二聚体结构，这些蛋白配对来自已有的蛋白互作数据库，但目前仍在评估哪些预测可以进入 AlphaFold 数据库。

即使部分预测未被纳入数据库，这些结果仍会以免费形式在其他平台提供给研究人员使用。

为什么复合体预测如此重要

瑞典隆德大学计算生物学家 Gemma Atkinson 表示，将复合体结构加入数据库是理解蛋白质功能的重要一步。她的团队曾建立过一个规模较小的病毒蛋白复合体数据库，在研究中发现，一些蛋白质只有在作为二聚体建模时，才能正确预测其三维结构。这说明，仅有单体结构往往不足以理解蛋白质真实的生物学功能。

斯德哥尔摩大学计算生物学家 Arne Elofsson 也指出，从 AlphaFold 预测结果中识别真正存在的同源二聚体并不容易。

因此，研究人员在使用这些预测时，仍需要通过实验验证确认蛋白质在真实生物体系中是否确实形成这种配对。

他强调，关键问题始终是：哪些结构是真正具有生物学意义的。

整理 | DrugOne团队

参考资料

• Roni Odai et al. ,The Viral AlphaFold Database of monomers and homodimers reveals conserved protein folds in viruses of bacteria, archaea, and eukaryotes.Sci. Adv.11,eadz8560(2025).DOI:10.1126/sciadv.adz8560
• https://doi.org/10.1038/d41586-026-00787-3

内容为【DrugOne】公众号原创｜转载请注明来源