☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
一款可实现原子级精度蛋白质与核酸设计的生成式 AI 系统 RFdiffusion3，其完整技术方案已于近日正式对外发布。尤为关键的是，该系统从头设计出的多种蛋白质，已在真实生化实验中成功执行了预设功能。
该系统由美国华盛顿大学、英国牛津大学、英伟达等多家顶尖机构联合研发，专为蛋白质与核酸的原子级建模与从头设计而构建。相关研究成果于当地时间 16 日发表于国际顶级学术期刊《科学》（Science）。事实上，团队早在 2025 年 12 月 3 日就已将 RFdiffusion3 全面开源，本次论文则首次系统阐释了其核心设计逻辑与实现机制。
诺奖得主领衔，推理效率提升十倍
本研究的通讯作者为华盛顿大学教授戴维·贝克（David Baker）——他因在蛋白质结构计算预测领域的突破性贡献荣获 2024 年诺贝尔化学奖，其代表性成果包括著名蛋白质结构预测工具 RosettaFold。RFdiffusion1（2023 年发布）与 RFdiffusion2（2025 年发布）均基于 RosettaFold 的结构预测框架；而 RFdiffusion3 则转向采用 AlphaFold3 的网络架构，支持以最多 14 个原子精细表征单个氨基酸残基，并通过直接优化每个原子的三维空间坐标来构建全新分子构型。
其核心技术优势在于“约束驱动的设计能力”。当研究人员不仅设定目标反应中关键原子的空间位置，还同步引入氢键形成规则、特定原子在蛋白内部的空间分布限制等多重约束条件时，RFdiffusion3 即可输出完全满足所有物理与功能约束的候选结构。在针对现有酶类 41 个活性位点的设计测试中，RFdiffusion3 在 37 组任务中表现优于 RFdiffusion2；同时，其结构生成速度最高可达前代模型的十倍。由该系统设计的对氧磷水解酶与肽键裂解酶，均已通过体外实验验证，切实完成了预期催化反应。从“精准预测天然结构”迈向“按需定制功能结构”，这套真正实现原子级操控的 AI 工具，正将蛋白质工程推向前所未有的设计精度新高度。
