*僅供醫學專業人士閱讀參考

AlphaFold 3簡直要全知全能了。

2018年，AlphaFold甫一出現就震驚世界，。

根據其母公司DeepMind公布的數據，迄今為止，已經有數百萬研究者使用AlphaFold 2在瘧疾疫苗、癌癥治療和酶設計領域取得了進展。AlphaFold引用已超過2萬次，拿下了包括生命科學突破獎在內的多項科學大獎。

但AlphaFold 2的功能還僅限于對蛋白質結構的預測，可我們都清楚，蛋白質并不是靜態的，它會因結構修飾發生功能變化，也會與DNA、RNA及其他物質產生相互作用。這些是AlphaFold 2無法看穿的。

這一問題在今天得到了解決。

DeepMind推出的全新預測模型AlphaFold 3，可以前所未有的精度預測所有生命分子的結構和相互作用，與現有技術相比，精度提升了至少50%，個別類別精度翻倍。研究論文發表在《自然》雜志上。

已經深度試用過AlphaFold 3的弗朗西斯·克里克研究所生化學家Frank Uhlmann對其大加贊賞，認為AlphaFold 3會革命性地改變結構生物學研究，大大降低研究門檻。

論文題圖

DeepMind簡直是非常有自信

AlphaFold 3仍是基于AlphaFold 2的，但做出了兩個重要的更新。一是通過用更簡單的Pairformer模型取代了Evoformer模型，減少了多重序列比對（MSA）處理的數量；二是應用了最近普遍應用于圖像生成AI的擴散模型（Diffusion Module），取代了AlphaFold 2中基于特定氨基酸框架和側鏈扭轉角的結構模型，這大大增加了AlphaFold能夠“看到”的化學結構。

AlphaFold 3模型結構

AlphaFold 3相當“聰明”，學習速度很快，從下圖可以看出，針對所有指標，20k步數就可以將預測性能提升到最大值的97%。

至于隨著訓練步數的增加，部分指標表現出的性能不穩定，研究者認為主要是由于樣本數不足導致的過擬合。

模型訓練曲線

在與其他預測模型的對比中，在不輸入任何結構數據的情況下，AlphaFold 3顯著優于Vina等經典對接工具，相比盲對接工具RoseTTAFold All-Atom也是優勢超大。

RoseTTAFold All-Atom的研發者也坦然承認，AlphaFold 3的預測性能要更優秀。

AlphaFold 3可完成蛋白質結構和與其他物質的相互作用的預測

不過AlphaFold 3也并非完美無缺，例如在手性結構上它就還有點迷糊，調整后仍有4.4%的錯誤率。

此外的一個關鍵限制是，AlphaFold 3能想到的還主要限制于蛋白質結構庫（PDB）中的靜態結構，對蛋白構象變化的模擬仍有不足。

至少目前來說，AlphaFold 3已經展現出了前所未有的高精度預測能力，足以成為改變行業的重量級工具。

與AlphaFold 2不同，AlphaFold 3將不會完全開源，科學家可以使用AlphaFold 3服務器每天完成十次預測，根據Uhlmann反饋，現在使用體驗相當不錯，上傳數據十分鐘立等可取，真是又好又快。

不過預測結果不提供可能成藥的蛋白質結構，考慮到DeepMind已經成立了利用AlphaFold 3開發藥物的新子公司Isomorphic Labs，這部分功能應該是付費可見了。

參考資料：

[1]https://www.nature.com/articles/s41586-024-07487-w

[2]https://www.nature.com/articles/d41586-024-01383-z

[3]https://www.isomorphiclabs.com/articles/alphafold-3-predicts-the-structure-and-interactions-of-all-of-lifes-molecules

本文作者丨代絲雨