AlphaFold与蛋白质结构预测
| 节点 ID | technology.alphafold-protein-structure |
|---|---|
| 阶段 | 当前 |
| 状态 | 已实现 |
| 时间 | 2020年至今 |
| 前置依赖 | 蛋白序列、训练数据、结构验证和下游实验 |
| 持续性作用 | 压缩蛋白结构假设生成和生物研究时间 |
| 解锁条件 | 持续提高复合物、动态状态和功能推断的可靠性 |
| 证据来源 | 证据来源：AlphaFold 2021 |
AlphaFold与蛋白质结构预测：使用深度学习从氨基酸序列预测蛋白质三维结构。[1]
本页只描述稳定节点 technology.alphafold-protein-structure，不把相邻研究对象、商业产品或科幻想象合并进同一技术状态。阶段为当前，模板状态为已实现，时间字段为“2020年至今”。
“已实现”只表示至少一个受监管产品、特定适应证或可重复工程系统存在，不表示覆盖所有人群、疾病、环境或主体持续性目标。
历史前置包括 X 射线晶体学、核磁共振、冷冻电镜、蛋白数据库和深度学习结构预测。
历史技术谱系将上述历史前置条件与本节点的直接技术依赖分开：前者解释概念和工程来源，后者必须在当前实现中实际可用。
- 蛋白序列
- 训练数据
- 结构验证和下游实验
- 技术奇点与自动化科研：域级前置、边界或验证环境
- 科研基础设施与开放科学转化：域级前置、边界或验证环境
若其中任一安全关键依赖缺失，应降级为受阻、受限研究或人工监督模式，而不是用未来能力补写现实缺口。
从氨基酸序列和进化/结构信息预测蛋白三维构象及置信度，为实验假设、功能研究和设计提供起点。 原页机制摘要：预测需要置信度解释，并与冷冻电镜、晶体学、生化和功能实验结合。
目标变量：
- 节点直接目标：压缩蛋白结构假设生成和生物研究时间
- 结构准确度与置信度校准
- 复合物、配体和动态状态
- 训练数据覆盖与同源泄漏
- 实验验证率
- 对下游功能/设计的真实增益
直接依赖与输入 -> 机制发生并改变目标变量 -> 局部组织/设备/信息状态变化 -> 主体能力、恢复窗口或风险函数变化 -> 以最终功能、生存、安全和可及性终点验证净收益
对 Human Infra 的预期作用：它把大量结构假设从多年实验瓶颈转化为可快速生成并定向验证的候选。 该作用是适应证与情境限定的；不能从机制直接推出有效永生。
- 目标风险：与“压缩蛋白结构假设生成和生物研究时间”对应的器官失效、功能丧失、信息丢失、不可逆损伤或技术等待失败。
- 主体能力：仅在已验证的任务、适应证和环境中记录交流、行动、感知、内稳态、恢复或研究加速能力。
- 竞争风险：延长某一系统可用时间可能增加感染、癌症、血栓、设备依赖、资源中断或其他死亡/失能风险。
- 净效应：必须同时计入严重不良事件、照护负担、维护、成本、可及性和退出失败。
蛋白结构预测已形成广泛使用的工具和数据库；动态构象、细胞环境和功能推断仍需实验。[2]
原基线页面的状态字段为“已实现”。本轮按 2026-07-25 可核验边界校准模板字段，但不把公司新闻、单例、注册存在或机制论文写成通用疗效。
分层验证终点：
- 盲测结构准确度
- 置信度与误差校准
- 新蛋白/复合物的实验验证
- 下游实验节省和失败率
- 数据库版本与可追溯性
解锁条件：持续提高复合物、动态状态和功能推断的可靠性
反证或降级条件：
- 在关键新类别中系统失准
- 置信度不能预测误差
- 下游功能假设不优于基线
- 训练数据泄漏夸大表现
- 在合格设计中未改善预先定义的最终功能、生存或患者重要结局；
- 只有体外、动物、回顾性或短期代理指标，且跨层级外推没有新增证据；
- 净不良事件、维护负担、资源依赖或治理伤害超过收益；
主要风险：
- 把静态预测当作实验事实
- 忽略蛋白动态和环境
- 数据库偏差
- 危险蛋白设计的双重用途
原页特异边界：静态结构预测不自动给出功能、动力学、细胞环境、药物有效性或临床结果。
替代路线：
- 实验结构生物学
- 同源建模与物理模拟
- 组合预测—实验闭环
路线选择不得替代个体临床、法律或危险实验决策；本页不提供诊断、用药、寿命预测或操作步骤。
相关研究域：
相关技术节点：
证据来源与支持边界：
- 证据来源：AlphaFold 2021：AI 显著提高蛋白质结构预测能力[3]