當 COVID-19 疫情爆發時，科學家們擁有一項關鍵優勢：數十年來對冠狀病毒的研究，讓他們對病毒的關鍵蛋白質有足夠的了解，得以在創紀錄的時間內設計出疫苗。然而，下一場大流行病可能不會提供同樣的先機。

為了提高應對勝算，NVIDIA 已加入一個全球研究組織聯盟，其中包括 Google DeepMind 和歐洲分子生物學實驗室的歐洲生物資訊學研究所（EMBL-EBI）。他們透過 AlphaFold Database，向全球任何科學家開放釋出超過 2,800 種病毒蛋白質複合體的預測 3D 結構。

這些新釋出資料集中的結構，是利用 Google DeepMind 的 AI 模型 AlphaFold2 推斷而來，該模型專門預測蛋白質如何摺疊成 3D 形狀，並透過 NVIDIA BioNeMo Inference Runtime 進行優化。這使得團隊能夠將推論規模擴展到數千種病毒蛋白質組，預測每種病毒中編碼的蛋白質複合體（即相互作用的蛋白質群）。

Google DeepMind 生命科學合作夥伴經理 Risha Patel 表示：「我們對 AlphaFold Database 的願景，始終是將基礎生物學的存取權大規模普及化。」她補充說：「這次合作將數千種病毒複合體納入資料庫，將為全球科學家提供所需的洞察力，幫助他們為未來的疫情爆發做好準備。」

NVIDIA 也公開釋出 BioNeMo Structure Prediction Pipeline，這是用於生成此資料集的 GPU 加速工作流程。如此一來，研究人員便能將自己的目標蛋白質序列轉換為預測的 3D 結構。

下一場大流行病的準備工作必須現在開始。全球發展中心的一項分析估計，到 2050 年，世界面臨一場與 COVID-19 同等嚴重的大流行病的機率約為 50%。

格拉斯哥大學醫學研究委員會病毒研究中心分子病毒學教授 Joe Grove 是該專案的合作者之一，他表示：「當下一場大流行病發生時，可能會出現一些意想不到的病毒，而我們將缺乏像 COVID-19 那樣的知識。」他進一步指出：「我們正試圖提前儲備這些知識。」

新增至資料庫的蛋白質交互作用中，約有 30% 是科學界前所未見的，顯示出在主要實驗性蛋白質結構儲存庫 Protein Data Bank 中從未記錄過的交互作用形狀。這為生物學界帶來了新的洞察，可供探索並利用以產生新知識。

NVIDIA 數位生物學應用研究科學團隊負責人 Chris Dallago 表示：「這個資料庫是假設生成的引擎。」他補充說：「我們正在讓生物學家和 AI 社群能夠研究蛋白質交互作用，不僅是作為單一分子，而是作為複合體，從而推動整個領域向前發展。」

大多數蛋白質並非單獨運作，它們會以多個分子組成的複合體形式協同作用，執行複雜的功能。這些結構通常是疫苗或藥物必須針對的目標，以破壞病毒功能。

舉例來說，了解 COVID-19 病毒棘狀蛋白的 3D 結構，對疫苗設計至關重要。然而，對於數千種其他病毒，目前尚無此類結構知識。這個資料集開始填補了這項空白。

傳統的蛋白質結構測定方法，如結晶蛋白質並用 X 光照射，可能需要數年時間，且每個結構花費數千美元。而 AlphaFold2 經 NVIDIA BioNeMo 優化後，可在 NVIDIA GPU 上高效運行，數分鐘內即可預測結構，並可批量處理。科學家隨後可透過實驗方法驗證高置信度的預測結果。

在這個專案中，團隊系統性地研究了已知會感染人類的病毒家族蛋白質結構，從普通感冒病毒到 Mpox 等新興威脅。

這項合作涵蓋了流行病預防創新聯盟（CEPI）、EMBL-EBI、Google DeepMind、NVIDIA、首爾大學、成均館大學、瑞士生物資訊學研究所和格拉斯哥大學。

此次資料集發布恰逢本週在紐約市舉行的聯合國大會會議，該會議由世界經濟論壇召集，旨在討論大流行病的預防、準備和應對。這項貢獻豐富了 AlphaFold Database，該資料庫現已包含超過 2.6 億個蛋白質和蛋白質複合體預測，幾乎涵蓋了科學界已知的所有已編目蛋白質。

EMBL-EBI 臨時主任 Jo McEntyre 表示：「開放這些資料對於理解病毒診斷以及開發治療方法和疫苗至關重要。」她補充說：「該資料集還涵蓋了較少被研究的病毒，並降低了資源匱乏地區科學家應對疫情的門檻。」

開放資料集中的預測結果都標示了置信度。這些結構展示了病毒複合體可能的外觀，以及單個蛋白質如何在病毒蛋白質組內相互作用。

總體而言，這些新資料對數位生物學和疾病研究領域的科學家而言，是一項重大的資訊貢獻。

Grove 教授回憶道：「當我攻讀博士學位時，我們研究的任何蛋白質都沒有結構資料。那就像在黑暗中工作一樣，我們必須猜測發生了什麼。」他強調：「這個資料集對所有現在攻讀博士學位的研究人員來說是一個強大的工具，為他們提供了高品質的結構資料，將加速基礎科學的發展。」

您可以在 AlphaFold Database 大流行病準備入口網站上探索病毒蛋白質複合體資料集，使用 BioNeMo Structure Prediction Pipeline 預測蛋白質目標結構，並進一步了解 NVIDIA BioNeMo。