آلفافولد (AlphaFold) یک مدل شبکه عصبی مبتنی بر یادگیری عمیق است. این مدل که توسط شرکت گوگل Deepmind توسعهیافته، قادر است تا با دریافت توالی آمینواسیدی ساختار سوم یک پروتئین را پیشبینی کند. این پیشرفت بزرگ در زیستشناسی مولکولی به محققان کمک میکند تا عملکرد پروتئینها را بهتر درک کنند و در توسعه درمانهای جدید نقش مهمی ایفا میکند.
Demis Hassabis و John Jumper دو محقق اصلی در توسعه مدل آلفا فولد بهپاس این خدمت ارزنده، موفق به دریافت نوبل شیمی ۲۰۲۴ بهصورت مشترک با David Baker شدند.
مدلهای پیشبینی ساختار پروتئین بهصورت کلی در دو شکل قابلارائه هستند: دسته اول پیشبینی ساختار بر اساس قوانین فیزیکی است که سابقه توسعه آن را میتوان در دهه ۶۰ و ۷۰ میلادی جستجو نمود. این مدلها غالباً به علت نیاز به محاسبات پیچیده و نیاز به سادهسازی قابلتعمیم به ساختارهای پیچیده نیستند. از طرف دیگر مدلسازی آماری مبتنی بر داده از دهه ۹۰ میلادی باتوجهبه تجمیع ساختارها در بانک داده PDB معرفی شد. حاصل دههها پیشرفت مدلهای فیزیکی و آماری در سال ۲۰۱۸ در مدل یادگیری عمیق آلفا فولد به ثمر نشست. مدلی که در آن توالی آمینواسیدی بر اساس دانش آماری از ساختارهای موجود در پایگاههای داده و بر اساس منطق فیزیکی موجود به شکل معناداری تبدیل به ساختار سوم پروتئینها میشود.
