AlphaFold 與蛋白質結構預測

摘要

AlphaFold 把蛋白質結構預測從耗時的實驗變成可以計算的問題。這項能力正在往下游延伸：判讀基因變異是否致病，以及攻克過去被認為「不可成藥」的標靶。

核心觀點

從結構預測到臨床解讀。 根據 錯義變異致病性預測：從序列保守性到 AlphaMissense，臨床上最大的瓶頸是意義未明的錯義變異。DeepMind 2023 年以 AlphaFold 2 的架構為骨幹推出 AlphaMissense，對約 7,100 萬種可能的人類錯義變異完成大部分分類，代表結構預測能力直接轉成臨床判讀能力。

不可成藥標靶被攻克。 根據 40年「不可成藥」被攻克：胰腺癌患者存活時間翻倍，AI 幹了什麼？，KRAS 被判定不可成藥四十年，新藥在三期臨床試驗中讓轉移性胰腺癌患者的中位存活期接近翻倍；文章討論了 AI 與結構生物學在其中扮演的角色（數字轉述自來源，未回查原始發表）。

來源引用

• 錯義變異致病性預測：從序列保守性到 AlphaMissense — 錯義變異致病性預測：從序列保守性到 AlphaMissense
• 40年「不可成藥」被攻克：胰腺癌患者存活時間翻倍，AI 幹了什麼？ — 40 年「不可成藥」被攻克

矛盾與爭議

目前來源觀點一致。AI 在 KRAS 新藥中的實際貢獻程度，來源只有轉述，待更多來源交叉確認。

延伸連結

• → AI 藥物研發與醫療應用（相關概念頁目前為 internal，待公開後補連結）