Data / AI for Science / 实体卡片

AlphaFold2

论文与基准英国配方

75% 自蒸馏加 25% PDB 的结构预测奠基模型

数据类型
蛋白结构；序列 MSA

模型与发布

DeepMind 2021-07 发布的端到端蛋白单体结构预测模型，配方被后续多数结构模型沿用 [1]。

训练数据配方

  • 公共库：Protein Data Bank (wwPDB)（截止约 2018-04，具体日期 ⚠️ 未回源）；MSA 库为 UniRef90、BFD、Uniclust30、MGnify（见 UniRef/BFD/Uniclust30/MGnify（MSA 库））[1]。
  • 蒸馏合成：模型自身预测约 355,993 条 Uniclust30 序列的结构（二手，NVIDIA 模型卡转述）[2]。
  • 私有真值：无。
  • 采样比例：最终训练约 75% 样本来自蒸馏集、约 25% 来自聚类 PDB（二手）[2][3]。不能写成"主要靠 PDB"或"自蒸馏占 25%"。

数据供应方与许可

实验结构来自 wwPDB；序列库来自 UniProt 与 MGnify。

已知问题与口径冲突

355,993 条与 OpenProteinSet 复现的约 27 万条不一致，复现集并非原训练集 [2]。蒸馏上限等于教师（见 AlphaFold DB 与结构蒸馏），比例建议回源补充材料。后继 AlphaFold3 蒸馏不再主导；另见 OpenFold / OpenFold3。

来源

  1. https://pmc.ncbi.nlm.nih.gov/articles/PMC8371605/ (2026-10-15)
  2. https://docs.api.nvidia.com/nim/re/reference/deepmind-alphafold2 (2026-10-15)
  3. https://www.cs.princeton.edu/courses/archive/spring26/cos598L/lectures/2026_02_10_lec3_af2.pdf (2026-10-15)

相关卡片

AlphaFold DB 与结构蒸馏概念与方法
用预测结构当训练数据的做法，AF2 约 75% 训练样本取自自蒸馏
AlphaFold Protein Structure Database数据集 · 英国
EMBL-EBI 与 DeepMind 联合发布的约 2 亿条预测蛋白结构库
Protein Data Bank (wwPDB)数据集 · 全球
全球实验测定生物大分子三维结构的统一档案，AI 结构预测的核心真值
UniRef/BFD/Uniclust30/MGnify（MSA 库）数据集 · 全球
AF2/AF3 搜索多序列比对所用的序列聚类库集合
AlphaFold3论文与基准 · 英国
PDB 截止 2021-09-30，权重限非营利，输出禁训同类模型
OpenFold / OpenFold3工具与格式
AF2 的开源复现，自蒸馏集约 27 万；OpenFold3 采用 Apache 2.0

卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。