DeepMind联合谷歌科学团队今日在《Nature》发表重磅研究，推出其生命科学领域的最新模型AlphaFold-Bio。该模型突破了此前只能预测单一蛋白质静态结构的局限，首次实现了对复杂糖蛋白、蛋白质-小分子动态复合物以及细胞膜受体瞬态构象的高精度预测。多家大型跨国药企确认，该模型已帮助其将几款处于临床前阶段的靶向抗癌大分子药物研发周期缩短了70%。
现代药物研发（特别是生物大分子药）的难点在于，许多致病靶点是高度动态的，且表面覆盖着复杂的糖链，传统的冷冻电镜解析耗时极长且成功率低。AlphaFold-Bio通过引入分子动力学模拟与多模态表征学习，不仅能“看”到蛋白质长什么样，还能预测其在人体生理环境下的“运动轨迹”和结合位点。它能以高通量的方式，在硅基环境中模拟数百万种抗体与癌细胞受体的结合亲和力，直接输出最优的分子序列。
