跳转到内容
AI × Bioinformatics Navigator

AlphaFold 系列：蛋白质结构预测革命

AlphaFold2 在 2020 年 CASP14 的表现震惊了整个生物学界。 截至 2024 年，AlphaFold DB 已包含 2 亿+ 预测结构，覆盖绝大部分已知蛋白序列。 AlphaFold3 进一步预测复合物（蛋白-DNA/RNA/小分子）结构。

核心模型

Section titled “核心模型”
模型年份主要贡献
AlphaFold12018用神经网络预测距离矩阵
AlphaFold2 ⭐2021Evoformer + 注意力机制，CASP14 准确度接近实验
AlphaFold-Multimer2021预测蛋白复合物
AlphaFold3 ⭐2024扩散模块，预测蛋白-DNA/RNA/小分子复合物
ColabFold2022把 AlphaFold2 搬到 Colab，5 分钟内出结果
ESMFold2022不需 MSA 的快速结构预测（Meta）
OmegaFold2022同上
RoseTTAFold / RoseTTAFold22021/2023Baker 实验室的开源替代品
Boltz-1/22024-2025开源 AlphaFold3 替代
Protenix2024字节跳动开源 AlphaFold3 替代

核心概念（必懂）

Section titled “核心概念（必懂）”
概念意思怎么用
MSA多序列比对提供进化信息，越多同源序列预测越准
EvoformerAlphaFold2 核心模块处理 MSA + pair representation
pLDDT单残基预测可信度 0-100> 90 = 高置信；< 50 = 不可信
PAE残基对预测误差矩阵看域间相对位置可信度
pTM / ipTM整体结构置信度评估复合物预测质量

学习顺序

Section titled “学习顺序”
读 Greener 2022（已在 01_ML综述/）回顾 ML 基础
  → 看李沐 AlphaFold2 论文精读视频（直觉）
  → 读 Jumper 2021 Nature 原文（本地 PDF）
  → 跑一次 ColabFold（实操）
  → 学会读 pLDDT / PAE 图（必备）
  → AF3 / 最新工具（可选）

必读资源

Section titled “必读资源”

📘 Jumper et al. (2021) — Highly accurate protein structure prediction with AlphaFold

📘 Varadi et al. (2022) — AlphaFold Protein Structure Database

📘 Abramson et al. (2024) — Accurate structure prediction of biomolecular interactions with AlphaFold 3

必看视频

Section titled “必看视频”

  • 🎥 李沐 AlphaFold2 论文逐段精读 — B 站

    • 搜索关键词：「李沐 AlphaFold2 论文精读」
    • 推荐理由：李沐逐字带读，理解论文细节

  • 🎥 DeepMind 官方 AlphaFold2 介绍 — YouTube

    • 搜索关键词：「AlphaFold 2 DeepMind」

实操工具

Section titled “实操工具”

怎么读 AlphaFold 输出（重点）

Section titled “怎么读 AlphaFold 输出（重点）”
  1. pLDDT 颜色（默认彩色结构）：
    • 蓝色（>90）= 高置信
    • 浅蓝（70-90）= 中高置信
    • 黄色（50-70）= 不确定
    • 红色（<50）= 不可信
  2. PAE 矩阵：看域间相对位置是否可信
  3. 5 个模型对比：5 个 model 一致性高 = 更可信
  4. MSA 深度：MSA 越深预测越好

植物学应用

Section titled “植物学应用”
  • 拟南芥蛋白质组结构 — AlphaFold DB 已收录
  • 水稻、玉米等作物蛋白 — 大部分有 AlphaFold 预测
  • 植物特殊蛋白（如光合复合体、信号肽 + 受体复合物）—— 用 AF3 / AF-Multimer

配套

Section titled “配套”
  • 📄 链接资料保留在源目录的 链接.md，后续会结构化迁移。