7月28日，DeepMind宣布AlphaFold DB已经从100万个预测结构扩展到超过2亿个预测结构，扩大超过200倍，几乎涵盖了DNA数据库中已知生物体的所有蛋白质。近日发表在预印本平台bioRxiv的一篇文章显示，Meta（前身为Facebook）的研究人员使用人工智能（AI）能预测6亿多种蛋白质的结构，这些蛋白来自细菌、病毒和其他微生物。这项工作只花了2周时间，而AlphaFold可能需要几分钟才能生成1个蛋白质的预测。Meta将这个网络命名为ESMFold。虽然ESMFold预测准确性不如AlphaFold，但在预测结构方面比AlphaFold快约60倍。这一速度意味着可以将蛋白质结构预测扩展到更大的数据库。文本交互地址：https://esmatlas.com/explore?at=1%2C1%2C21.999999344348925
通常语言模型是在大量的文本上训练的。为了将它们应用到蛋白质上，研究人员给它们输入已知蛋白质的序列，这些蛋白质可以由20个不同的氨基酸链表达，每个氨基酸由1个字母表示。然后，该网络学习“自动补全”部分氨基酸被遮盖的蛋白质。在这6.17亿次预测中，该模型认为超过三分之一的预测是高质量的，因此整体蛋白质形状可被认为是正确的，并且在某些情况下可以分辨出更精细的原子级别的细节。数以百万计的这些结构都是全新的，与实验确定的蛋白质结构数据库或已知生物预测的AlphaFold数据库中的任何结构都不同。通讯作者Alexander Rives表示，这种训练使神经网络对蛋白质序列有了直观的理解，这些蛋白质序列包含了关于它们形状的信息。接着，在DeepMind开创性的蛋白质结构AI AlphaFold的启发下，将这些见解与已知蛋白质结构和序列之间关系的信息结合起来，从蛋白质序列生成预测的结构。他补充道：“任何人都可以免费使用这些预测的结构和模型背后的代码。”AlphaFold数据库的很大一部分是由彼此几乎相同的结构组成的，而“宏基因组”数据库（即ESMFold）应该涵盖以前从未见过的蛋白质宇宙的很大一部分。首尔国立大学计算生物学家Martin Steinegger说：“现在我们拥有一个很大的机会来揭开更多的未知。”[1]https://www.nature.com/articles/d41586-022-03539-1[2]https://esmatlas.com/explore?at=3.075269937515259%2C-0.27741435170173645%2C0.09188728678831072[3]https://www.biorxiv.org/content/10.1101/2022.07.20.500902v2[4]https://github.com/facebookresearch/esm