AlphaFold2：蛋白质折叠突破
DeepMind 的 AlphaFold2 在 CASP14 竞赛中达到实验精度，解决50年生物学难题。
事件概述
2020年11月，DeepMind 的 AlphaFold2 在第14届蛋白质结构预测关键评估（CASP14）中取得突破性成绩。蛋白质结构预测是生物学长期未解的难题：已知氨基酸序列如何折叠成三维结构。AlphaFold2 的预测精度达到了实验方法（如X射线晶体学）相当的水平，中位GDT分数约为92.4。这一成果被誉为"生物学领域的里程碑"，解决了困扰科学界50年的问题。2021年，DeepMind 公开了 AlphaFold2 的代码，并发布了蛋白质结构数据库，推动了整个生物学研究。
深度学习笔记
背景、原理、影响与要点，一次读懂这个事件
背景与脉络
从氨基酸序列预测三维结构（"蛋白质折叠问题"）困扰生物学界半个多世纪。实验方法（X 射线晶体学、冷冻电镜）耗时长、成本高，已解析结构相对已知数十亿蛋白质只是九牛一毛。CASP 每两年盲测推动进展，但无同源模板时方法始终远未达实验精度。DeepMind 的 Jumper 团队（与 Hassabis 共同领导）在 2020 年 11 月 CASP14 以 AlphaFold2 突破：中位 GDT 达 92.4，逼近实验精度。论文 2021 年发表于《Nature》，并获 2024 年诺贝尔化学奖。
核心要点
- 1用 Evoformer 同时建模进化（MSA）与几何（配对）信息，二者反复交互。
- 2端到端直接预测全原子三维坐标，而非先预测距离再优化。
- 3三角注意力/三角乘法把"距离三角不等式"等物理约束编入网络。
- 4不变点注意力（IPA）让结构模块在三维空间中等变地精化坐标。
- 5回收机制多轮自反馈精化，pLDDT 提供逐残基置信度。
- 6CASP14 中位 GDT 92.4，92 个目标中 58 个达近实验精度。
原理与技术细节
AlphaFold2 是端到端深度网络，输入为目标序列检索得到的多序列比对（MSA）与可选模板。主干 Evoformer 由 48 个模块堆叠，让 MSA 表示与残基配对表示来回交换：用外积平均把 MSA 信息注入配对表示，再用三角注意力/三角乘法利用几何约束显式建模长程相互作用。结构模块（8 个共享权重块）以等变方式直接输出每个残基的刚体框架与原子坐标，核心是不变点注意力（IPA）。网络通过"回收"把自身输出反复喂回做多轮精化，并用 pLDDT 给出逐残基置信度，损失采用帧对齐点误差（FAPE）直接优化坐标。
影响与后续
AlphaFold2 被 CASP 评审称为"结构生物学的变革性进展"，基本解决了单链蛋白质的折叠预测。DeepMind 随后开放涵盖约 2 亿种蛋白质的结构数据库，加速药物研发、疾病研究与酶工程。它开创了"AI for Science"范式，并因此获 2024 年诺贝尔化学奖。局限在于：预测为静态结构、对复合物/配体/膜蛋白与无序区精度有限、依赖高质量 MSA、对全新折叠仍具挑战。
学习要点
- 深度学习能把"五十年未解"的科学难题推进到实验级精度。
- 进化信息（MSA 共进化）是结构预测的关键暗信号。
- 把物理几何约束编入注意力，是 AI 与科学规律结合的范例。
- 开放数据库比单篇论文更能放大科研与社会价值。
术语表
把同源蛋白质序列对齐，从中提取协同突变等进化信号以推断空间接触。
AlphaFold2 主干，交替更新 MSA 与配对表示以联合推理进化与几何。
在三维刚体框架下等变地计算注意力的模块，用于精化原子坐标。
衡量预测结构与实验结构吻合度的指标，越接近 100 越准。