2021年，人工智能研究实验室DeepMind宣布开发其首个数字生物神经网络AlphaFold。该模型能够准确预测蛋白质的三维结构，从而决定这些分子的功能。DeepMind研究副总裁Pushmeet Kohli表示:「我们只是漂浮的水袋，四处移动。」「让我们与众不同的是蛋白质，这是生命的基石。它们之间的相互作用是生命奇迹发生的原因。」
「阿尔法fold」被【科学】杂志评为2021年的年度突破。在2022年，它是人工智能领域被引用最多的研究论文。「人们研究(蛋白质结构)已经有几十年了，但没能取得那么大的进展，」Kohli说。「然后出现了人工智能。」DeepMind还发布了AlphaFold蛋白质结构数据库，其中包含了几乎所有生物体的蛋白质结构，这些生物体的基因组已经被测序，全世界的科学家都可以免费使用。
190个国家的170多万研究人员将其用于从设计可食用塑料的酶到开发更有效的疟疾疫苗等各种研究。在涉及AlphaFold的研究中，有四分之一致力于了解癌症、Covid-19以及帕金森病和阿尔茨海默病等神经退行性疾病。去年，DeepMind发布了下一代AlphaFold，将其结构预测算法扩展到核酸和配体等生物分子。
「它使科学研究民主化，」Kohli说。「在发展中国家研究一种被忽视的热带疾病的科学家没有获得计算蛋白质结构的资金。现在，只需点击一个按钮，他们就可以进入AlphaFold数据库，免费获得这些预测。」例如，DeepMind的早期合作伙伴之一「被忽视疾病药物倡议」(Drugs For Neglected Diseases Initiative)利用AlphaFold开发了治疗影响数百万人的疾病的药物，如昏睡病、南美锥虫病和利什曼病，但这些疾病的研究相对较少。
DeepMind的最新突破被称为AlphaMissense。该模型对所谓的错义突变进行了分类，错义突变是指在蛋白质的特定位置产生不同氨基酸的基因改变。这种突变可以改变蛋白质本身的功能，AlphaMissense将这种突变的可能性评分归为致病性或良性。「了解和预测这些影响对于发现罕见的遗传疾病至关重要，」Kohli说。该算法于去年发布，已将所有可能的人类误解分类了约89%。在此之前，只有0.1%的可能的变异被研究人员临床分类。
「这仅仅是个开始，」Kohli说。最终，他认为人工智能最终可能导致虚拟细胞的产生，从而从根本上加速生物医学研究，使生物学能够在计算机上而不是在现实世界的实验室中进行探索。「有了人工智能和机器学习，我们终于有了理解这个非常复杂的系统的工具，我们称之为生命。」
