为什么AlphaFold不能取代实验结构生物学？——AI结构预测的准确性探讨

何欣恒; 李俊睿; 徐华强

doi:10.3981/j.issn.1000-7857.2024.11.01606

科技导报 >

2025 , Vol. 43 >Issue 2: 14 - 21

DOI: https://doi.org/10.3981/j.issn.1000-7857.2024.11.01606

科技评论

为什么AlphaFold不能取代实验结构生物学？——AI结构预测的准确性探讨

何欣恒 ,
李俊睿 ,
徐华强 ^,*

展开

中国科学院上海药物研究所, 上海 201203

徐华强（通信作者），研究员，研究方向为核激素受体、肝脏生长因子（HGF）及其受体Met酪氨酸激酶、G蛋白偶联受体（GPCR）和植物激素等的结构和药物研发，电子信箱：eric.xu@simm.ac.cn

何欣恒，博士研究生，研究方向为计算生物学和结构生物学，电子信箱：he-xinheng@foxmail.com

收稿日期: 2024-10-29

网络出版日期: 2025-02-19

基金资助

国家重点研发计划项目(2022YFC2703105)

国家自然科学基金项目(32130022)

国家自然科学基金项目(82121005)

中国科学院战略性先导科技计划项目(XDB37030103)

上海市科技重大专项(2019SHZDZX02)

版权

收起

Why AlphaFold cannot replace structural biology: An exploration of the accuracy of AI-based structure prediction

Xinheng HE ,
Junrui LI ,
Huaqiang XU ^,*

Expand

Shanghai Institute of Materia Medica, Chinese Academy of Science, Shanghai 201203, China

Received date: 2024-10-29

Online published: 2025-02-19

Copyright

Fold

摘要

人工智能的飞速发展给生物学研究带来了深远影响，其中，AlphaFold2在蛋白质结构预测领域引发了革命性的突破。评估了AlphaFold2对G蛋白偶联受体（GPCR），结构预测的可靠性，凭借其对蛋白质三维结构的高度准确预测。然而，在实际应用中，AlphaFold2的预测结果并非在所有场景下都足够精确。以GPCR为例，这类重要的药物靶点参与了广泛的生理过程，其结构研究对理解功能机制和药物开发具有重要意义。结果表明，尽管AlphaFold2能够准确捕捉GPCR整体骨架的主要特征，但其预测模型在胞外域与跨膜域的组装、配体结合口袋的形状，以及信号传导界面的构象等方面，与实验解析的高分辨率结构存在显著差异。这些差异限制了AlphaFold2模型在GPCR功能研究和基于结构的药物设计中的应用能力。因此，尽管AlphaFold2为结构预测提供了强大的工具，但其在特定场景下的局限性表明，AI结构预测作为一种辅助工具，尚不能完全取代实验结构生物学，需要联合使用以辅助药理学研究和药物设计。

关键词： AlphaFold2; 蛋白质结构预测; 结构生物学; 冷冻电镜; G蛋白偶联受体; 药物设计

本文引用格式

何欣恒 , 李俊睿 , 徐华强 . 为什么AlphaFold不能取代实验结构生物学？——AI结构预测的准确性探讨[J]. 科技导报, 2025 , 43(2) : 14 -21 . DOI: 10.3981/j.issn.1000-7857.2024.11.01606

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

1	Senior A W , Evans R , Jumper J , et al. Improved protein structure prediction using potentials from deep learning[J]. Nature, 2020, 577 (7792): 706- 710. DOI

2	Jumper J , Evans R , Pritzel A , et al. Highly accurate protein structure prediction with AlphaFold[J]. Nature, 2021, 596 (7873): 583- 589. DOI

3	Abramson J , Adler J , Dunger J , et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3[J]. Nature, 2024, 630 (8016): 493- 500. DOI

4	García-Nafría J , Tate C G . Cryoelectron microscopy: Moving beyond X-ray crystal structures for drug receptors and drug development[J]. Annual Review of Pharmacology and Toxicology, 2020, 60: 51- 71. DOI

5	Shimada I , Ueda T , Kofuku Y , et al. GPCR drug discovery: Integrating solution NMR data with crystal and cryo-EM structures[J]. Nature Reviews Drug Discovery, 2019, 18 (1): 59- 82. DOI

6	Duan J , He X H , Li S J , et al. Cryoelectron microscopy for GPCR research and drug discovery in endocrinology and metabolism[J]. Nature Reviews Endocrinology, 2024, 20 (6): 349- 365. DOI

7	He X H , You C Z , Jiang H L , et al. AlphaFold2 versus experimental structures: Evaluation on G proteincoupled receptors[J]. Acta Pharmacologica Sinica, 2023, 44 (1): 1- 7. DOI

8	Hauser A S , Attwood M M , RaskAndersen M , et al. Trends in GPCR drug discovery: New agents, targets and indications[J]. Nature Reviews Drug Discovery, 2017, 16 (12): 829- 842. DOI

9	Fan W J , Xu Y W , He X H , et al. Molecular basis for the activation of PAF receptor by PAF[J]. Cell Reports, 2024, 43 (7): 114422. DOI

10	Zhu K F , Yuan C , Du Y M , et al. Applications and prospects of cryoEM in drug discovery[J]. Military Medical Research, 2023, 10 (1): 10.

Options

文章导航

摘要

本文引用格式

参考文献

联系我们

访问统计

模态框（Modal）标题

摘要

本文引用格式

参考文献

联系我们

访问统计