由 DeepMind 創始人兼首席執行官 Demis Hassabis 與 EMBL 合作開發的 AlphaFold 數據庫，包含了人類已知的幾乎所有蛋白質形狀的 AI 建模預測。擴展數據庫中儲存了大約 2 億種蛋白質（比如人體可產生的一整套蛋白質），幾乎涵蓋了地球上通過基因組測序進行編目的所有生物。
（圖自：Karen Arnott / EMBL-EBI）
Demis Hassabis 表示：“AlphaFold 已成為全球數十萬實驗室和大學科學項目不可或缺的一款工具，這着實讓我們感到驚訝”。
在去年首次推出時，AlphaFold 僅包含了一組 35 萬個蛋白質結構預測，然後很快增加到了 100 萬（最近該數字已至 2 億）。
數據庫中模擬了多種生物體的蛋白質，涵蓋了植物、細菌、動物等生命形式。
截止目前，已有來自 190 個國家或地區的 50 萬研究人員，在其工作過程中訪問了 AlphaFold 。
自推出以來，來自 AlphaFold 的信息也有被超過 1000 篇論文所收錄。
在嘗試解決某些對人類來說相當緊迫的問題時，科學家們將極大地受益於此。
比如數據庫中的 17 種蛋白質，就與某些“被忽視的熱帶疾病”有關 —— 而這些疾病，又影響着全世界超過 10 億人的生活。
據“被忽視疾病藥物倡議”（DNDI）組織預測，AlphaFold 可幫助研究人員較以往更快地發現有望用於此類疾病治療的分子。
與此同時，DNDI 本身也在使用該數據庫來應對“恰加斯病”（Chagas disease）和“利什曼病”（Leishmaniasis）。
隨着 DeepMind 和 EMBL 決定免費開放該數據庫，這對發展中國家的科學家和研究人員們來說也是一個巨大的利好。
某些地區可能受到了特定疾病“不成比例”的影響，而 AlphaFold 正好有望在此過程中提供力所能及的幫助，尤其是那些缺乏經費支撐的關鍵研究工作。
Accelerating scientific discovery The Alphafold project – DNDi（via）
DeepMind 研究科學家兼 AlphaFold 負責人 John Jumper 對此寄予了厚望，表示發布該數據庫的初衷，就是希望其它團隊也可在當前已取得進展的基礎上再接再厲。
這是一個屬於結構生物學的嶄新時代，基於人工智能的方法將推動令人難以置信的進步。
此外許多其它 AI 研究組織現也進入了該領域，並正利用 AlphaFold 來創造進一步的突破。