AlphaFold（第一代）

是什么

AlphaFold 是 DeepMind 研发的蛋白质结构预测系统。这里说的是第一代：它在 2018 年参加了第 13 届蛋白质结构预测关键评估（CASP13）。^[1][4] 这类系统要做的事，是从一条蛋白质的氨基酸序列出发，给出它的三维结构。CASP 是社区范围的盲测：参赛团队在实验结构公布之前提交预测，之后用实验结果给预测打分。因此，一个系统在 CASP 上的名次，被当作它真实预测能力的证据，而不是拟合已知答案的能力。

怎么做的

第一代 AlphaFold 没有只依赖接触图（contact map）。接触图是这一领域常用的表示方式，记录哪些残基对在空间上彼此靠近；第一代 AlphaFold 转而估计残基之间距离的概率分布，^[1][3] 也就是把接触图变成了距离图（distance map）：不只说两个残基靠得近，还预测它们大概相距多远，并给出这个估计附近的概率分布。这样的距离信息对链的几何形状约束得比「是／否接触」更紧，结构可以围绕这些约束搭起来。

CASP13 的结果

2018 年 12 月，该系统在 CASP13 上综合排名第一。^[1][2][3] 在评估中最难的 43 个目标里，它为其中 25 个给出了最佳预测。^[1] 在这些目标上，它的 GDT 中位数为 58.9，紧随其后的两支队伍分别是 52.5 和 52.4。^[1] GDT 衡量的是预测结构与实验测定结构之间的接近程度，分数越高说明越接近。DeepMind 在 2020 年回顾时说，第一代 AlphaFold 参加了 2018 年的 CASP13，取得了参赛者中最高的准确度。^[4]

代码、局限与后续

CASP13 所用的代码在 2020 年 1 月公开，但不能用于任意序列。^[1] 对实验室之外、想把它用在自己关心的蛋白质上的人来说，这是一个实际限制。

第一代 AlphaFold 后来被重新设计的系统 AlphaFold2 取代，后者由 DeepMind 在 2020 年提交到 CASP14。^[1][4] CASP14 的评估于 2020 年 11 月 30 日至 12 月 4 日进行。^[4] 在公布 AlphaFold2 时，DeepMind 提到，GDT 中位数在 90 左右被非正式地认为可与实验方法相竞争。^[4] 第一代在最难目标上的中位数是 58.9，为理解这一非正式基准提供了一个参照。