AREX Feed Article
AlphaFold Database 开放超 2,800 种病毒的 AI 预测蛋白复合物，约 30% 相互作用为科学界首次记录
2026 年 9 月 24 日，欧洲分子生物学实验室欧洲生物信息学研究所（EMBL-EBI）与 Google DeepMind、NVIDIA 等机构：超过 2,800 种病毒的 AI 预测蛋白复合物（一组相互作用的蛋白）结构已在 开放，数据集优先覆盖已知感染人类的病毒科，任何人都能从数据库首页的 Pandemic Preparedness Portal（大流行防范门户）取用。
这批结构由 AlphaFold2（预测蛋白质三维结构的 AI 模型）推断，并经 优化，推理规模因此扩展到数千个病毒蛋白组。据 ，本次新增的蛋白相互作用中约 30% 是科学界从未记录过的——实验测定结构主库 Protein Data Bank（PDB）里找不到它们的形状。NVIDIA 同日开源了生成这批数据的 GPU 工作流 。
从 Picornaviridae 到 Mpox：靶点与覆盖范围
病毒依靠一组专门的蛋白质与人体细胞打交道。EMBL-EBI 新闻稿解释，看清这些蛋白的三维形状，能揭示病毒表面哪些区域是诊断、治疗和疫苗的关键靶点。多数蛋白质并不单独工作，而是组成复合物执行功能，这些复合物往往正是疫苗或药物为干扰病毒功能所要作用的部位。
先例是新冠病毒：NVIDIA 博客指出，理解其刺突蛋白的三维结构是当年疫苗设计的基础，而对数千种其他病毒，这样的结构知识至今空白，这批数据开始填补缺口。
选哪些病毒，参考了：系统性覆盖已知感染人类的病毒科，从 Picornaviridae（小 RNA 病毒科）这类“普通感冒”病毒，到 Mpox（猴痘）这样的新发威胁。合作方包括 EMBL-EBI、Google DeepMind、NVIDIA、首尔国立大学、格拉斯哥大学、瑞士生物信息学研究所（SIB）、流行病防范创新联盟（CEPI）与成均馆大学；隆德大学独立计算的复合物也一并纳入发布。
EMBL-EBI 临时主任 Jo McEntyre 在新闻稿中说：“开放这些数据，对理解病毒诊断、开发治疗手段和疫苗至关重要。它们能支持人们在未来的大流行中更快、更有效地应对，也覆盖了研究较少的病毒，降低了资源有限地区科学家的门槛——他们正在直面疫情暴发。”Google DeepMind Impact Accelerator 负责人 Anna Koivuniemi 表示，把感染人类的病毒科结构预测出来是重要突破，这些 3D 模型进入数据库后“立刻就能用于真实世界的科学”。
从蛋白序列到预测结构：开源管线的三个阶段
传统方法测定一个蛋白结构，要把蛋白结晶、再用 X 射线打，往往耗时数年、每个结构花费数千美元。AlphaFold2 在几分钟内就能算出一个预测结构，还可以批量运行；科学家随后可对高置信度的预测做实验验证。这次开放的数据集里，预测结构都带有置信度标注。
要让推理覆盖数千个蛋白组，团队用了一套经人工策划的病毒蛋白组清单、基准测试模型和工具，以兼顾通量与准确性。显示，BioNeMo Structure Prediction Pipeline 由三个阶段组成：预处理在 GPU 上搜索序列数据库、为每个目标构建多序列比对（MSA）；折叠阶段基于 OpenFold2 实现（加载 AlphaFold2-Multimer 权重），由 BioNeMo Inference Runtime 加速，输出逐残基置信度（pLDDT）与预测对齐误差（PAE）；后处理给复合物界面打分并导出结构文件。运行环境需要配备 NVIDIA GPU 的 Slurm 集群，GPU 显存至少 80 GB，例如 A100 或 H100。研究人员可以用这条管线对自己的目标蛋白跑同样的流程。
NVIDIA 数字生物学应用研究团队负责人 Chris Dallago 把这个数据库称作“一台生成假设的引擎”：“我们让生物学家和 AI 社区能够以复合物、而不只是单个分子的方式研究蛋白相互作用，让整个领域一起向前。”
发布定在联合国大流行会议前一天，指向“100 天任务”
公布的时间点有明确安排：合作方 9 月 24 日在 CEPI 与世界经济论坛主持的圆桌上首次宣布这批数据；一天后的 9 月 25 日，在纽约联合国总部举行，审查 2023 年承诺的落实进展。圆桌上还讨论了 AI 如何加速诊断、治疗手段和疫苗的开发。
风险判断写在公告里：EMBL-EBI 新闻稿援引称，到 2050 年，世界再次遭遇一场与 COVID-19 同级大流行的概率接近 50%。而追求的是在确认新的病毒性大流行威胁后的 100 天内，拿出安全有效的治疗手段和疫苗。要实现这个目标，科学家需要在病毒构成全球威胁之前很久，就拿到它的结构信息。
承载这批数据的是 Google DeepMind 与 EMBL-EBI 在五年多前共建的 AlphaFold Database，目前收录超过 2.6 亿条蛋白与蛋白复合物结构预测，覆盖科学界几乎每一个已编目的蛋白。NVIDIA 数字生物学总监 Anthony Costa 说：“大流行防范取决于在疫情开始之前就握有高质量的分子信息。”Google DeepMind 生命科学合作经理 Risha Patel 补充，数据库的目标始终是让基础生物学“在大规模上人人可得”，这次合作把数千个病毒复合物送了进来。
MRC-格拉斯哥大学病毒研究中心（MRC-University of Glasgow Centre for Virus Research）分子病毒学教授 Joe Grove 是这个项目的合作者。他说：“当下一场大流行发生时，可能出现完全出乎意料的东西，而我们将缺少 COVID 之前就有的那种知识。我们现在尝试做的，就是提前储备一部分这样的知识。”
预测不是实验：这些结构回答不了什么
EMBL-EBI 在新闻稿里把边界写得很清楚：预测结构显示的是病毒蛋白可能的样子、蛋白之间可能如何相互作用，但不能预测基因变异对病毒的影响，也不能预测宿主与病原体如何互动；科学家无法从这些预测里看出某个变化会不会让病毒更致命、更易传播，预测本身也不能用于制造能感染人类的病毒。病毒实际如何行为，只能靠实验室研究回答。
Grove 说：“光一个蛋白复合物结构，不会告诉你病毒突变之后会发生什么。这批数据提供了有价值的基础知识，能支撑基础研究和对抗手段的开发，但它解释不了为什么有些病毒能旺盛生长、有些不行，也不会让制造更危险病原体变得更容易。”SIB 资源经理 Philippe Le Mercier 则点出计算预测在这些场景里难以替代的原因：许多病毒只能靠计算和 AI 工具来研究。
Grove 回忆自己读博士时，研究的蛋白一个结构都没有，“像在黑暗里工作，只能去猜发生了什么”。他说，这批数据将成为正在读博的研究者手里的有力工具。而那约 30% 未见实验记录的相互作用，是否真实发生、以什么方式发生，要靠后续实验验证。