💬 观点Latent Space
Why AlphaFold Didn't Solve Protein Folding — Pushmeet — DeepMind 与 Biohub 对谈：AlphaFold 只是起点，生物学远
DeepMind 与 Biohub 对谈：AlphaFold 只是起点，生物学远未解决
2026-10-10原文
本文为要点摘要，完整细节以原文为准。
- 规模不是万能药：Sal Candido 指出 scaling law 并非到处存在，研究的关键是找到它；一旦找到，问题才变成工程问题。对 agent 工具链的含义是，先验证数据与算力投入能否带来可预测收益，再谈堆资源。
- 低质数据也有价值：用宏基因组序列（很多并非完整真实蛋白）训练蛋白语言模型，反而提升了设计真实蛋白和理解已知蛋白的表现。这提示开发者不必只追求干净数据集，噪声数据可能带来泛化收益。
- AlphaFold 未解决蛋白折叠：静态结构预测无法覆盖蛋白动态、无序区，未来需从单个蛋白走向整个生物系统，并借助 cryo-EM 等更丰富表征。对 agent 的含义是，专用架构与科学直觉仍不可替代，通用模型不是终点。
原文：Why AlphaFold Didn't Solve Protein Folding — Pushmeet Kohli, Google DeepMind & Sal Candido, Biohub · 作者 Latent Space