蛋白质常常形成复合物进行运作，以协同完成生物机体的各项巩固走。虽然其中一些相互作用得到了很好的深入研究，但许多蛋白复合体工作机制仍然成谜。直到最近，构建相互作用组的一个主要障碍是许多蛋白质结构的不确定性，这是科学家半个世纪以来一直试图解决的问题。2020 年和 2021 年，一家名为 DeepMind 的公司和 Baker 博士的实验室分别独立发布了名为 AlphaFold（bioart报道：Nature 亮点丨精确预测蛋白结构可以依赖Google吗？DeepMind团队开发新型深度学习算法精确预测蛋白结构）和 RoseTTAFold的两项 AI 技术，它们使用不同的策略根据产生蛋白质的基因序列准确预测蛋白质结构。

　　来自德克萨斯州西南医学中心的Qian Cong博士和华盛顿大学David Baker博士领导了一个国际团队，他们使用人工智能 (AI) 和共进化来预测生物体内会直接相互作用的真核生物蛋白质，并且构建了这些蛋白复合物的三维结构。11月11日，这项研究发表在Science杂志上，题为Computed structures of core eukaryotic protein complexes。研究发现了 100 多对此前未知的可能相互作用的蛋白复合体，并构建了700 多个已知的相互作用蛋白的三维结构。

　　 在本项研究中，丛博士、Baker 博士和他们的同事将这些用于蛋白单体结构预测的 AI 工具的应用范围扩展到预测蛋白质复合物的结构，以及在整个蛋白质组的范围内预测那些可能在细胞内相互作用的蛋白质。在这篇文章中，他们将这些方法应用在了酵母中，因为酵母是重要的真核模式生物，大量的关于酵母中蛋白相互作用的实验数据可以用来衡量他们结果的准确性。他们的工作发现了 1,505 种可能的蛋白质复合物。其中 699 个的三维结构已经被实验方法解析过，验证了他们方法的实用性。然而，700 个预测的蛋白复合物的三维结构未知，另外 106 个从未被描述过。

　　为了从这些未被仔细研究过或未知的蛋白-蛋白相互作用中学到新的关于蛋白质功能的知识，华盛顿大学和西南医学中心的团队与世界各地正在研究这些蛋白质的科学家合作。结合当前研究中生成的 三维结构模型，这些合作在很多方面深化了我们对于生物体的认知，包括DNA的转录翻译和修复，细胞的构建，细胞内组分的运输，细胞中重要分子的合成。此外，他们还发现了一些功能已知蛋白质和功能未知蛋白质之间的相互作用，为以后研究这些位置蛋白打下了基础。

　　这项研究结果,和由DEEPMIND引领的在单体蛋白结构预测领域的重大突破，预示着结构生物学进入了一个新时代，计算在其中发挥着重要作用。这样的方法可以进一步应用到人类蛋白上。识别人类细胞中未知的蛋白质复合物并预测它们的结构，可能会为许多疾病提供新的治疗方法。在不远的将来，结合学术界长期积累的实验数据和人工智能的方法，科学家们将可以准确的预测一个生物体内所有蛋白之间的相互作用，所有蛋白复合体的三维结构，他们把这个叫做“蛋白相互作用组学”。完整的“相互作用组”将阐明生物学的许多基本问题，并且这些蛋白相互作用的界面可能是在未来提供大量新药物的靶点。