AI 預測的病毒蛋白長什麼樣？AlphaFold 資料庫免費開放 2,800 多種病毒結構

如果你也曾好奇，科學家在疫情爆發「之前」到底準備了什麼，這則消息是一個很具體的答案。AlphaFold 資料庫在 9 月 24 日釋出新資料集，把超過 2,800 種病毒的蛋白質複合體預測結構，免費開放給所有人取用。

這次新增的是「病毒蛋白質複合體」

來源說明，病毒仰賴一整套特化蛋白組成的複雜網路，才能與人體細胞互動。這批資料提供已知蛋白質複合體的分子細節，也讓研究者有機會發現先前未知的交互作用。

來源指出，看清楚這些蛋白的 3D 結構，能找出病毒表面哪些區域是診斷、治療與疫苗的關鍵標靶。EMBL-EBI 代理所長 Jo McEntyre 說：「把這些資料開放出來，對理解病毒診斷、開發治療與疫苗至關重要。」她並提到，資料集也涵蓋較少被研究的病毒，降低資源有限地區科學家的門檻。

誰做的，以及為什麼是現在

參與者包括 EMBL-EBI、Google DeepMind、NVIDIA、首爾大學、格拉斯哥大學、瑞士生物資訊研究所（SIB）、流行病預防創新聯盟（CEPI）與韓國成均館大學，另含瑞典隆德大學獨立計算的複合體。選材依英國衛生安全局的優先病原體工具，鎖定已知會感染人類的病毒科，從造成普通感冒的小 RNA 病毒科（Picornaviridae）到 mpox。

時間點卡在聯合國大會「大流行預防、準備與應對」高階會議前一天。它呼應的是「100 天任務」：在辨識出新的病毒大流行威脅後，100 天內推出安全有效的治療與疫苗。來源引用全球發展中心的分析，估計到 2050 年，世界遭遇與 COVID-19 同等嚴重大流行的機率接近 50%。

它不能做什麼，講得比能做什麼還清楚

預測結構只說明病毒蛋白「可能」長什麼樣、可能如何互動，無法預測基因變異的影響，也不代表宿主與病原的真實交互作用，那仍需實驗室驗證。格拉斯哥大學 MRC 病毒研究中心分子病毒學教授 Joe Grove 說：「單靠蛋白質複合體結構，無法告訴我們病毒突變時會發生什麼事。」他也強調，這份資料不會讓製造更危險的病原變得更容易。

算力接上公衛

這次的大規模預測流程用上 NVIDIA BioNeMo Inference Runtime 的最佳化，等於把資料中心的算力直接接到公衛備戰。SIB 資源管理員 Philippe Le Mercier 表示：「許多病毒只能用計算與 AI 工具來研究。」Google DeepMind Impact Accelerator 負責人 Anna Koivuniemi 則稱，預測會感染人類的病毒科結構是「重要突破」。

AlphaFold 資料庫至今累積超過 2.6 億筆蛋白質與複合體預測，這批病毒資料可從首頁的 Pandemic Preparedness Portal 取得。唯一的門檻，大概是你得先知道自己要找哪一隻。

資料來源

phys.org：〈New AlphaFold Database release adds viral protein complexes to support pandemic preparedness〉，作者 Sera Guli，歐洲分子生物學實驗室（EMBL）提供，2026 年 9 月 24 日。
網址：https://phys.org/news/2026-09-alphafold-database-viral-protein-complexes.html