GPCRs是现代药物发现中最重要的药物靶点。GPCRs 参与不同的细胞信号传导，包括炎症、神经元传递、细胞生长等。几乎所有人类疾病和病症均与GPCRs及其信号传导有关。GPCRs已成为现代药物发现的热门靶点，约40%的上市药物靶向GPCRs。
最近的国际 GPCR-DOCK
2021 大赛于 2021 年 12 月举行。本次大赛的目的是验证GPCR及其配体结合模型预测的现代计算方法的准确性。来自世界各地的45个团体参加了这次比赛，共提交了800多个模型。我们的团队针对5个新型GPCR靶点（GPR139、NPY1R、APJ、NMUR2和kOR受体）的3D结构折叠及其药物分子结合模式进行了精准预测。于4月13日至14日举行的第七届iHuman研讨会论坛公布了大赛结果，我们团队提供的预测模型在众多候选模型中脱颖而出，斩获前三。AlphaMol联合创始人袁博士受邀在该研讨会中发表演讲，分享我们的成功故事。
来自加州大学圣地亚哥分校的 Irina
Kufareva 教授是 GPCR-DOCK
2021 的组织者，总结道，GPCR-DOCK
2021 的建模难度为：GPR139
基于新解析的GPCR结构，我们对AlphaMol、AlphaFold2以及RosettaGPCR的预测模型进行了比较。 结果表明，AlphaMol的预测比 AlphaFold2 和 RosettaGPCR 都准确得多（AlphaFold2 和 RosettaGPCR 模型均从各自官网获得）。
2022 年 4 月 13 日，《自然》杂志发表了一篇题为“What's
next for AlphaFold and the AI protein-folding
revolution”的新闻专题文章。在这篇文章中，来自北卡罗来纳大学教堂山分校的结构生物学家和药理学家Brian
Roth教授指出：
“AlphaFold 并不总是那么准确。在他的实验室已经解析但尚未发表的几十个GPCR结构中，他说，
‘大约有50%的结构在AlphaFold预测的结构上表现相当好，而另外50%的结构几乎没有提供帮助’，‘在某些情况下，AlphaFold以高置信度标记了所预测的结构，但实验结构表明这些预测是错误的。即使软件预测正确，也无法模拟蛋白质与药物或其他小分子（配体）结合时的构象——这可能会大大改变结构’。这些警示使得Brian
Roth教授思考：AlphaFold对药物发现有多大用处。”
AlphaFold2 在 GPCR 中表现不佳的一个主要原因可能是：PDB 数据库中存积了大约 190
K 个大分子结构，其中膜蛋白的比例仅为 4% 左右。目前解析的结构大多数为水溶性蛋白质，约占91%，其余为核苷酸。AlphaFold2 是一种基于 AI 的预测工具，高度依赖于训练数据规模的大小。然而，已解析的膜蛋白结构数量总共只有约6500个。我们的新算法不是纯粹基于AI，因此不具有上述限制。
我们比较了AlphaMol、AlphaFold2 和 RosettaGPCR 对 GPCR-DOCK 2021 中5个新GPCR 靶点的结构预测。结果显示，与AlphaFold2和RosettaGPCR相比，AlphaMol预测的GPCR主链和具有实验结构的跨膜螺旋的RMSD要小得多，表明我们的预测精度更高。