（问题）药物研发和疾病机理研究很大程度上依赖对蛋白质结构及其相互作用的理解。冷冻电镜、X射线晶体学等传统实验手段可以提供高精度结构信息，但样本制备要求高、实验周期长、成本也不低。面对数量庞大、组合关系复杂的蛋白质相互作用网络，仅靠湿实验难以支撑系统性研究。尤其传染病防控中，新病原体和变异株出现快，结构信息获取的速度要求更高。 （原因）鉴于此，将结构预测模型与高性能计算结合，成为加速获取结构信息的重要途径。此次扩展由多方推动：在既有蛋白质结构数据库基础上，新增170万个可检索的高置信度预测蛋白质复合物，并同步开放约3000万个额外预测结构供批量下载，提升数据库覆盖与可用性。数据生成来自多聚体结构预测模型的计算结果，同时在推理流程中集成涉及的计算加速库，对计算链路进行工程化优化，使推理效率较传统流程实现数量级提升，从而支撑大规模预计算与公共发布。 （影响）首先，对科研界而言，预先计算的结构数据可作为“可验证的研究假设”，帮助研究人员在早期快速定位潜在相互作用界面、功能位点与关键残基，缩短从提出假设到实验验证的周期。其次，考虑到科研资源分布不均，数据库以开放检索与可下载形式发布，降低对昂贵算力的依赖，使缺乏先进超级计算条件的团队也能开展蛋白质互作建模与结构驱动研究，扩大结构生物信息学的参与面。再次，对产业界而言，预测结构可用于靶点发现、先导化合物筛选与作用机制推断等环节，为后续湿实验提供优先级排序与方向指引，减少无效试验、节约研发成本，提高研发效率。 （对策）为提升公共健康导向与科研可用性，此次扩展在对象选择上强调“重点与代表性并重”。一上聚焦参考蛋白质组，覆盖更丰富的物种分类，提高跨物种研究与比较分析价值；另一方面优先支持世界卫生组织重点关注的病原体，服务传染病研究与潜在风险应对。同时，数据以可搜索与批量下载方式发布，便于科研机构、公共卫生部门与企业在统一数据基础上进行复核、再分析与工具开发。业内人士指出，结构预测数据的规模化开放将推动更多数据驱动的合作研究，但应用中也需明确预测结果的适用范围，做好置信度评估与实验验证流程管理，避免把“预测”直接当作“结论”。 （前景）展望未来，随着复合物结构数据持续扩充、算法迭代和计算基础设施优化，蛋白质互作网络研究有望从“局部解析”走向“系统刻画”，并与组学数据、药理数据和临床表型数据更快融合，形成更具解释力的生物医学研究框架。在传染病领域，这类资源有助于在病原体变异出现后更快获得关键蛋白及其复合体的结构线索，为疫苗设计、抗体以及小分子药物开发提供更及时的起点。对制药产业而言，“计算提出假设—实验快速验证—迭代优化”的闭环将更紧密，研发流程的数字化、平台化趋势也有望更加强。
从单体蛋白到复合物层面的结构信息扩容，意味着生命科学研究正在获得更贴近真实生物过程的数据支持。能否在开放共享的基础上建立更严格的验证体系与更高效的转化通道，将决定这类结构资源是否能真正转化为新靶点、新机制和新药物的“加速器”，并在重大疾病与公共卫生挑战中释放更大价值。