AlphaFold2
DeepMind推出的蛋白质结构预测模型，以注意力机制为核心，在生物学领域取得突破
核心事实
时间轴 (近 90 天)
AlphaFold2在2020年实现了从氨基酸序列预测蛋白质三维结构，精度可与X射线晶体学或冷冻电镜等实验方法竞争，且只需几分钟而非数月或数年。
AlphaFold2在2020年的CASP14评测中取得了约90 GDT-TS的中位分数，远超此前约60分的水平。
AlphaFold2于2020年在CASP竞赛中以压倒性优势超越传统方法
AlphaFold2 于2021年由 DeepMind 发布，能以近原子精度预测蛋白质三维结构
AlphaFold2本质上是序列-结构的双模态模型
微软有「AI for Health」项目、谷歌有「DeepMind科学团队」、Meta开发了ESM蛋白质语言模型
AlphaFold2对蛋白质结构预测的突破性进展显著降低了结构生物学门槛，使药物化学背景研究者能更快开展基于结构的药物设计（SBDD）
AlphaFold2将解析蛋白质结构的过程从原本X射线晶体学或冷冻电镜可能耗时数年压缩至数分钟
AlphaFold2在CASP14中以中位GDT分数92.4获胜，接近X射线晶体学和冷冻电镜等实验方法的水平
DeepMind的Demis Hassabis在2016年AlphaGo战胜李世石后公开表示AI将在蛋白质折叠等科学问题上取得突破，四年后AlphaFold2验证了这一判断
还有 4 条时间轴事件
全部知识事实 (19)
AlphaFold是DeepMind于2020年推出的蛋白质结构预测系统
90%已验证AlphaFold2在CASP14竞赛中以压倒性优势超越所有传统方法，预测精度接近实验测量水平
90%已验证AlphaFold 是应用于蛋白质结构预测的AI模型，代表了AI在科研中特定专用模型层面的应用
80%已验证AlphaFold2将解析蛋白质结构的过程从原本X射线晶体学或冷冻电镜可能耗时数年压缩至数分钟
75%已验证AlphaFold在2020年解决了蛋白质折叠问题
75%已验证AlphaFold通过深度学习技术解决了困扰生物学界50年的蛋白质折叠问题，即从氨基酸序列预测蛋白质三维结构
70%待验证DeepMind公开了超过2亿个蛋白质的预测结构数据库，覆盖了几乎所有已知蛋白质
70%待验证AlphaFold2在2020年实现了从氨基酸序列预测蛋白质三维结构，精度可与X射线晶体学或冷冻电镜等实验方法竞争，且只需几分钟而非数月或数年。
50%待验证AlphaFold2在2020年的CASP14评测中取得了约90 GDT-TS的中位分数，远超此前约60分的水平。
50%待验证AlphaFold2于2020年在CASP竞赛中以压倒性优势超越传统方法
50%待验证AlphaFold2 于2021年由 DeepMind 发布，能以近原子精度预测蛋白质三维结构
50%待验证AlphaFold2本质上是序列-结构的双模态模型
50%待验证微软有「AI for Health」项目、谷歌有「DeepMind科学团队」、Meta开发了ESM蛋白质语言模型
50%待验证AlphaFold2对蛋白质结构预测的突破性进展显著降低了结构生物学门槛，使药物化学背景研究者能更快开展基于结构的药物设计（SBDD）
50%待验证AlphaFold2在CASP14中以中位GDT分数92.4获胜，接近X射线晶体学和冷冻电镜等实验方法的水平
50%待验证DeepMind的Demis Hassabis在2016年AlphaGo战胜李世石后公开表示AI将在蛋白质折叠等科学问题上取得突破，四年后AlphaFold2验证了这一判断
50%待验证AlphaFold2在2020年解决了蛋白质结构预测难题,在CASP14竞赛中达到实验级别的预测精度,中位GDT分数超过92
50%待验证AlphaFold2于2021年出现，让蛋白质结构预测精度大幅提升；RFdiffusion由David Baker团队开发，使用扩散模型在结构空间直接采样
50%待验证AlphaFold2基于多序列比对（MSA）和Evoformer注意力架构，能够从蛋白质氨基酸序列直接预测三维原子坐标，在2020年以接近实验精度的表现震惊学界
50%