AlphaFold 3 重磅问世，全面预测蛋白质与所有生命分子相互作用及结构，准确性远超以往水平

编辑| 萝卜皮

自2021 年发布强大的AlphaFold2 以来，科学家们一直在使用蛋白质结构预测模型 来绘制细胞内各种蛋白质结构的图谱、发现药物，并绘制每种已知蛋白质相互作用的「宇宙图」。

就在刚刚，Google DeepMind 发布了AlphaFold3 模型，该模型能够对包括蛋白质、核酸、小分子、离子和修饰残基 在内的复合物 进行联合结构预测。

AlphaFold3 的准确性对比过去许多专用工具（蛋白质-配体相互作用、蛋白质-核酸相互作用、抗体-抗原预测）有显着提高。这表明，在单个统一的深度学习框架内，可以实现跨 生物分子 空间的高精度建模。

同时，该团队新推出了 AlphaFold Server，一种易于使用的研究工具，可以免费访问 AlphaFold3 的大部分功能。

伦敦弗朗西斯·克里克研究所的生物化学家 Frank Uhlmann 很早就接触到了 AlphaFold3，他对其功能印象深刻。 「这简直是革命性的。」他说，「这将使结构生物学研究大众化。」

该研究以「Accurate structure prediction of biomolecular interactions with AlphaFold 3」为题，于2024 年5月8 日发布在《Nature》。

1. 细胞内分子机器：细胞内包含数十亿个由蛋白质、核酸和糖类组成的分子机器。这些机器共同作用，生命过程得以顺利进行。

2. AlphaFold3 的革命：Google DeepMind 推出 AlphaFold3，可预测所有生命分子的结构和相互作用，其预测精度达到前所未有的水平。
3. 与其他分子类型的相互作用：与现有方法相比，AlphaFold3 在蛋白质与其他分子类型相互作用的预测上至少提升了50% 的准确度，某些类别甚至提升了一倍。
4. AlphaFold3 的更新：DeepMind 对 AlphaFold3 进行了重大更新，减少了对目标序列相关蛋白质信息的依赖。
5. 扩散模型的使用：AlphaFold3 采用扩散模型机器学习网络，与人工智能图像生成器 Midjourney 中使用的相同。 「这是一个重大变化。」AlphaFold 项目负责人 John Jumper 说。

   

   AlphaFold3 如何揭示生命分子

视频链接： https://mp.weixin.qq .com/s/IcKOIAqEM4B2fdOsE5cfVA

AlphaFold3 功能

给定分子的输入列表，AlphaFold3 会生成它们的联合3D 结构，揭示它们如何组合在一起。它可以模拟：

1. 大型生物分子（蛋白质、DNA、RNA）
2. 小分子（配体）
3. 化学修饰

技术优势

AlphaFold3 采用改进的架构和训练，涵盖所有生命分子。核心技术包括：

1. Evoformer 模块
2. 扩散网络组装

准确性

AlphaFold3 对分子相互作用的预测超过了所有现有系统的准确性，具有独特的统一科学见解能力。

药物发现

AlphaFold3 提高了药物设计能力，可以预测：

1. 配体
2. 抗体

它在预测类药物相互作用方面实现了前所未有的准确性，比传统方法提高了50%，成为超越基于物理的预测工具的人工智能系统。

Isomorphic Labs

Isomorphic Labs 结合AlphaFold3 和内部AI 模型，用于：

1. 内部项目
2. 与制药合作伙伴的药物设计

它利用AlphaFold3 加速和提高药物设计的成功率，应对新的疾病目标和现有目标。

平衡

DeepMind 平衡了 AlphaFold3 的可获取性、科学影响力和商业药物发现能力。

NVIDIA 高级研究经理兼 Embodied AI（GEAR 实验室）负责人 Jim Fan 发推文评论道：

1. 「AlphaFold3 已经问世，这是生物学领域人工智能最伟大突破的最新版本。新颖之处在于 AlphaFold3 使用扩散来「渲染」分子结构。它从模糊的原子云开始，然后通过去噪逐渐具体化分子。」
2. 「在我们生活的时间线上，Llama 和 Sora 的学习可以为生命科学提供信息并加速发展。我发现这种普遍性绝对令人难以置信。生成精美像素的相同 transformer+diffusion backbone 也可以想象蛋白质，只要你相应地将数据转换为浮点序列。」
3. 「我们还没有达到单一 AGI 模型的水平，但我们已经成功构建了一个通用 AI 配方菜单，可以跨领域传输训练、数据和神经架构。这不应该起作用，但感谢上帝它起作用了！」

当然，也有不同的声音，由于对蛋白质与可能的药物相互作用建模的限制，加州大学旧金山分校的药物化学家 Brian Shoichet 表示：「我看不出它能产生 AlphaFold2 那样的影响。」他一直在使用 AlphaFold 结构来寻找候选药物。

一款免费且易于使用的研究工具

与 RoseTTAFold 和 AlphaFold2 不同，科学家将无法运行他们自己版本的 AlphaFold3，AlphaFold3 底层的代码等信息目前不会被公开。相反，研究人员将可以访问 DeepMind 新推出的「AlphaFold Server」 来使用 AlphaFold3 的功能。

AlphaFold Server 是一个免费平台，世界各地的科学家可以使用它进行非商业研究。只需点击几下，生物学家就可以利用 AlphaFold 3 的强大功能来模拟由蛋白质、DNA、RNA 以及一系列配体、离子和化学修饰组成的结构。

AlphaFold Server 帮助科学家提出新颖的假设并在实验室进行测试，加快工作流程并实现进一步的创新。该平台为研究人员提供了一种生成预测的便捷方式，无论他们是否拥有计算资源或机器学习方面的专业知识。

Uhlmann 很喜欢他迄今为止所看到的服务器，比他之前使用的 AlphaFold2 版本更简单、更快。「你上传它，10 分钟后，你就得到了结构。」他说。

但是，目前用户对 AlphaFold Server 的访问次数是有限的。当前，科学家每天只能进行 10 次预测，这不太可能获得与可能的药物结合的蛋白质结构。

视频链接：
https://mp.weixin.qq.com/s/IcKOIAqEM4B2fdOsE5cfVA

AlphaFold Server：
https://golgi.sandbox.google.com/about

负责任地使用 AlphaFold3 的力量

针对每个版本的 AlphaFold，DeepMind 都会与研究和安全社区合作，以了解该技术的广泛影响。他们采取以科学为主导的方法，并进行了广泛的评估，从而减轻潜在风险并分享对生物学和人类的广泛利益。

在 DeepMind 为 AlphaFold2 进行的外部咨询的基础上，除了生物安全、研究和行业领域的专业第三方之外，他们现在还与 50 多名领域专家进行了接触，从而了解后续 AlphaFold 模型的功能和任何潜在风险。在 AlphaFold3 发布之前，DeepMind 还参加了社区范围的论坛和讨论。

AlphaFold Server 体现了 DeepMind 对分享 AlphaFold 优势的持续承诺，包括含有 2 亿个蛋白质结构的免费数据库。

他们还将与 EMBL-EBI 以及与南半球组织的合作，扩大免费 AlphaFold 教育在线课程，为科学家提供加速采用和研究所需的工具，包括在被忽视的疾病和粮食安全等资金不足的领域。DeepMind 将继续与科学界和政策制定者合作，负责任地开发和部署人工智能技术。

开启 AI 驱动的细胞生物学的未来

AlphaFold3 将生物世界带入高清。它使科学家能够了解细胞系统的所有复杂性、结构、相互作用和修饰。

这个关于生命分子的新窗口，揭示了它们是如何相互联系的，并有助于理解这些联系如何影响生物功能——例如药物的作用、激素的产生以及 DNA 修复的健康保护过程。

AlphaFold3 的潜力才刚刚开始挖掘，生命科学的未来会怎样呢？

论文链接：
https://www.nature.com/articles/s41586-024-07487-w

相关内容：
https://blog.google/technology/ai/google-deepmind-isomorphic-alphafold-3-ai-model/

以上是AlphaFold 3 重磅问世，全面预测蛋白质与所有生命分子相互作用及结构，准确性远超以往水平的详细内容。更多信息请关注PHP中文网其他相关文章！