AlphaFold 3简直要全知全能了。

2018年，AlphaFold甫一出现就震惊世界，它的进化版AlphaFold 2更是在2020年的CASP中取得了92.4的华丽高分。

根据其母公司DeepMind公布的数据，迄今为止，已经有数百万研究者使用AlphaFold 2在疟疾疫苗、癌症治疗和酶设计领域取得了进展。AlphaFold引用已超过2万次，拿下了包括生命科学突破奖在内的多项科学大奖。

但AlphaFold 2的功能还仅限于对蛋白质结构的预测，可我们都清楚，蛋白质并不是静态的，它会因结构修饰发生功能变化，也会与DNA、RNA及其他物质产生相互作用。这些是AlphaFold 2无法看穿的。

这一问题在今天得到了解决。

DeepMind推出的全新预测模型AlphaFold 3，可以前所未有的精度预测所有生命分子的结构和相互作用，与现有技术相比，精度提升了至少50%，个别类别精度翻倍。研究论文发表在《自然》杂志上。

已经深度试用过AlphaFold 3的弗朗西斯·克里克研究所生化学家Frank Uhlmann对其大加赞赏，认为AlphaFold 3会革命性地改变结构生物学研究，大大降低研究门槛。

AlphaFold 3仍是基于AlphaFold 2的，但做出了两个重要的更新。一是通过用更简单的Pairformer模型取代了Evoformer模型，减少了多重序列比对（MSA）处理的数量；二是应用了最近普遍应用于图像生成AI的扩散模型（Diffusion Module），取代了AlphaFold 2中基于特定氨基酸框架和侧链扭转角的结构模型，这大大增加了AlphaFold能够“看到”的化学结构。

AlphaFold 3相当“聪明”，学习速度很快，从下图可以看出，针对所有指标，20k步数就可以将预测性能提升到最大值的97%。

至于随着训练步数的增加，部分指标表现出的性能不稳定，研究者认为主要是由于样本数不足导致的过拟合。

在与其他预测模型的对比中，在不输入任何结构数据的情况下，AlphaFold 3显著优于Vina等经典对接工具，相比盲对接工具RoseTTAFold All-Atom也是优势超大。

RoseTTAFold All-Atom的研发者华盛顿大学计算生物物理学大牛David Baker也坦然承认，AlphaFold 3的预测性能要更优秀。

不过AlphaFold 3也并非完美无缺，例如在手性结构上它就还有点迷糊，调整后仍有4.4%的错误率。

此外的一个关键限制是，AlphaFold 3能想到的还主要限制于蛋白质结构库（PDB）中的静态结构，对蛋白构象变化的模拟仍有不足。

至少目前来说，AlphaFold 3已经展现出了前所未有的高精度预测能力，足以成为改变行业的重量级工具。

与AlphaFold 2不同，AlphaFold 3将不会完全开源，科学家可以使用AlphaFold 3服务器每天完成十次预测，根据Uhlmann反馈，现在使用体验相当不错，上传数据十分钟立等可取，真是又好又快。

不过预测结果不提供可能成药的蛋白质结构，考虑到DeepMind已经成立了利用AlphaFold 3开发药物的新子公司Isomorphic Labs，这部分功能应该是付费可见了。

参考资料：

[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

文章来源：奇点网