MassiveFold将蛋白预测从数月缩短至数小时

11月11日，法国里尔大学Nessim Raouraoua、Guillaume Brysbaert等联合瑞典林雪平大学的研究团队在《自然–计算科学》发文，提出了MassiveFold蛋白质预测工具。作为AlphaFold的优化和可定制版本，MassiveFold通过并行化和优化大规模采样，将蛋白质结构预测的时间从数月大幅缩短至数小时，对生物技术研究领域具有重要意义。

AlphaFold是由谷歌DeepMind开发的蛋白质预测工具，可预测的结构几乎覆盖了完整的人类蛋白质组（蛋白质组是一个生物表达的全部蛋白质）。在AlphaFold中，大规模采样获得了更多的结构多样性，结合有效的置信度排序，开启了单体结构和最重要蛋白质组装的提升建模能力。然而，这种方法在GPU成本和数据存储方面存在挑战。该研究创新之处在于将计算任务分配到CPU和GPU之间，加速预测过程，同时结合了AlphaFold的框架、AFsample的增强采样和ColabFold的附加功能，能够在从单台计算机到大型GPU基础设施的任何设备上运行。与AlphaFold相比，MassiveFold不仅降低了计算成本，提高了预测质量，还能在各种硬件设置中扩展，从单台计算机到大型GPU基础设施均可运行。

比较分析显示，MassiveFold能够为多个CASP15靶标生成良好模型，有时甚至优于AlphaFold3。这项技术的突破，显著增强了蛋白质和蛋白质组装的结构建模能力，加速了蛋白质建模和相关科学领域的进步。