生物化学与生物医药化学
人工智能结构预测（AlphaFold）
AI系统可依据序列模式、相关序列和学习到的物理结构规律推断蛋白质结构。
直觉直觉：核心思想
AI系统可依据序列模式、相关序列和学习到的物理结构规律推断蛋白质结构。
中学阶段基础：核心概念与初步应用
定义: 核心概念
AlphaFold2结合进化信息与神经网络表征迭代优化结构。pLDDT等置信度指标表示模型信心，不等同实验确定性。
学习模型整合多重序列比对、共进化信号与几何先验。AlphaFold类系统可由序列直接预测结构，并扩展到复合物与配体。
| 术语 | 解释 |
|---|---|
| MSA | 揭示残基共变的多重序列比对。 |
| pLDDT | 基于预测局部距离差的置信度分数。 |
| Evoformer | AlphaFold2中精炼成对与序列表征的模块。 |
例题: 应用概念
某预测片段pLDDT为92，而柔性环为48。哪一区域的局部模型置信度更高？
解答
按pLDDT，前一片段模型置信度更高；但该指标不能证明生物状态、配体、寡聚体或构象正确。
大学大学阶段：定量描述
预测质量随残基、无序、配体状态和寡聚环境而变化。比较预测与实验结构须进行对齐并恰当解读不确定性。
进阶进阶：假设与机制细节
现有系统已从单链扩展到复合物、配体与核酸，但置信度并不均匀，物理验证仍不可或缺。
科研研究前沿：开放问题与当前实践
参考文献
- Highly accurate protein structure prediction with AlphaFold · John Jumper; Richard Evans; Alexander Pritzel; Tim Green; Michael Figurnov; Olaf Ronneberger; Kathryn Tunyasuvunakool; Russ Bates; Augustin Žídek; Alex Bridgland; et al., 2021
- Accurate prediction of protein structures and interactions using a three-track neural network · Minkyung Baek; Frank DiMaio; Ivan Anishchenko; John Dauparas; Samir Ovchinnikov; Gyu Rie Lee; Jue Wang; Qian Cong; Lisa N. Kinch; R. Dustin Schaeffer; et al., 2021