AlphaFold 蛋白质结构数据库（AlphaFold Protein Structure Database）是由 Google DeepMind 与 EMBL 欧洲生物信息研究所（EMBL-EBI）合作开发的资源，旨在向科学界免费提供蛋白质三维结构预测。AlphaFold 是一种由 Google DeepMind 开发的 AI 系统，能够从氨基酸序列预测蛋白质的三维结构，通常可达到与实验方法相竞争的精度。
用途方面，该数据库提供来自人类及动物病毒的蛋白质结构预测，这些病毒具有大流行潜力，可用于支持病毒机制、疫苗和抗病毒药物开发研究；提供与抗菌素耐药性相关的细菌蛋白质预测，支持耐药机制及新抗菌策略研究；提供引起被忽视热带病的生物体的蛋白质结构预测，助力病原体生物学及药物或疫苗靶点发现；还包含 WHO 30 个优先全球健康蛋白质组的预测，支持对全球公共卫生重要病原体的研究。
主要能力上，最新数据库版本包含超过 2 亿条条目，广泛覆盖 UniProt（蛋白质序列和注释的标准库）。数据库提供人类蛋白质组、其他 47 个研究及全球健康关键生物体的蛋白质组，以及 UniProt 人工审编子集（Swiss-Prot）的单独下载。AlphaFold 在 CASP14 中被评为排名第一的蛋白质结构预测方法，优势显著，预测精度高。系统仍存在一些限制，但 CASP 结果表明 AlphaFold 具有帮助理解蛋白质结构并推进生物学研究的直接潜力。
使用方式上，用户可通过网站访问数据库，查看预测结构及元数据，支持按蛋白质或生物体检索。数据库提供下载选项，便于本地分析。若使用案例不在数据库覆盖范围内，用户可使用开源代码生成自己的 AlphaFold 预测，该代码还支持多聚体预测。此外，数据库集成了来自科学文献的 AI 衍生残基水平注释，基于 Transformer 的命名实体识别（NER）模型识别结构生物学出版物中的蛋白质残基和点突变，并通过 SIFTS 框架将实验支持的注释从 PDB 结构转移到 AlphaFold 模型，使用户能够从预测中的残基直接导航到描述其功能、相互作用和实验观察突变的出版物。
适用场景包括结构生物学、药物发现、疫苗开发、抗病毒和抗菌研究、病原体生物学研究等。数据库还计划持续更新新发现蛋白质序列的结构，并根据用户反馈改进功能。
限制方面，AlphaFold 系统仍存在一些限制，但资料未具体说明。数据库的准确性可能因蛋白质而异。使用数据需遵守 CC-BY-4.0 许可，学术和商业用途均可，但 EMBL-EBI 期望按照良好科学实践进行署名。若使用 AlphaMissense 数据，需引用相应论文。AlphaFold 数据由 GDM 提供，版权归 DeepMind Technologies Limited（2022）；第三方数据提供商的数据有单独版权声明。
引用要求：使用该资源需引用 Bertoni D. et al. AlphaFold Protein Structure Database 2025: a redesigned interface and updated structural coverage, Nucleic Acids Research, (2025)。若使用 AlphaMissense 数据，需引用 Cheng, J et al. Accurate proteome-wide missense variant effect prediction with AlphaMissense. Science (2023)。
联系与培训：如有问题或未在 FAQ 中解答，可发送邮件至 alphafold@deepmind.com。EMBL-EBI 提供培训资源，包括录制网络研讨会“Accessing and interpreting predicted protein structures from AlphaFold database”和在线教程。
