在生物计算领域继HelixGEM和Linear Design两项重磅工作之后，在蛋白领域的又一突破性成果。该工作打破了AlphaFold2等主流依赖MSA检索模型的速度瓶颈，将蛋白结构预测速度平均提高数百倍，实现了秒级别预测。同时，该项成果也为产学研各界带来了使用门槛更低、适用范围更广的蛋白结构预测解决方案，有望促进我国生命科学、生物医药、蛋白研究等领域进一步发展。

　　近年来，AI一直致力于突破蛋白质的结构预测问题，并在预测精度方面取得了重大进展。特别是 AlphaFold2将蛋白质预测推向了一个新的前沿，但以AlphaFold2模型为代表的主流蛋白质结构预测方法严重依赖于多序列比对（MSAs Multiple Sequence alignments）和模板（Templates）提取的协同进化信息。

　　本项研究打破了依赖MSA检索模型的速度瓶颈，相比AlphaFold2，HelixFold-Single模型推理速度平均提升数百倍，实现了秒级预测。高效的HelixFold-Single模型不仅能更好地适配到蛋白设计、大规模虚拟筛选等需要频繁预测蛋白结构的任务中，且在多肽、抗体、纳米抗体等与大分子药物设计更相关的高可变蛋白场景上，效果更是优于AlphaFold2。

　　HelixFold-Single目前已经落地在国家超算成都中心，通过超算平台赋能川渝地区蛋白领域的科学研究机构。在大分子药物的应用场景上，HelixFold-Single也已经整合进入百图生科AIGP平台，为百图提供更高效的蛋白分析能力，助力其探索大分子创新药。

　　另据研发团队介绍，基于HelixFold-Single和HelixFold研发过程中积累的经验，团队针对更具挑战性的抗原抗体、多肽蛋白的相互作用场景，研发了更具通用性和鲁棒性的复合体结构预测算法HelixFold-Multimer，相比业界同类方法，精度提升了数倍，该工作也将在近期上线到台，为用户提供服务。

　　当前，AI大模型技术正驱动生物计算领域的高速发展。基于文心生物计算大模型技术打造的飞桨螺旋桨PaddleHelix平台，将帮助生命科学领域的研究人员更便捷、更高效地应用大模型技术，更好理解生命体的构成和变化规律，以帮助研究者进行更多开拓性研究，如探索针对特定癌症、病毒类感染疾病的治疗方法，开发新的抗生素、靶向药，或者研发更高效率的工业酶等等，为人类健康与产业发展贡献源源不断的价值。